ב-30 ביוני 2026 השיקה Anthropic בגרסת בטא כלי חדש בשם Claude Science, סביבת עבודה שמיועדת לחוקרים ומנסה לרכז במקום אחד את שלל המאגרים, הכלים ומשאבי החישוב שמחקר מדעי נשען עליהם. הכלי זמין למנויי Claude Pro, Max, Team ו-Enterprise, ורץ על macOS ועל Linux.
הרעיון המרכזי הוא לצמצם את הבזבוז שנוצר כשחוקר עובר בין עשרות מאגרים, פורמטים וכלים נפרדים כמו PubMed, Jupyter, R וטרמינל של אשכול חישוב. לפי Anthropic, Claude Science מאחד את השלבים האלה לסביבה אחת, שבה אפשר לנתח ספרות, להריץ מחקר רב שלבי, ולזקק איורים וכתבי יד עד לרמת פרסום, כשכל תוצר נושא היסטוריה שניתנת לבדיקה ולשחזור.
מה הכלי עושה
בלב המערכת עומד סוכן מתאם שיש לו גישה ליותר מ-60 מיומנויות ומחברים שהוגדרו מראש לתחומים כמו גנומיקה, פרוטאומיקה, ביולוגיה מבנית וכימיה חישובית. הסוכן יכול להפעיל סוכני משנה, ולפנות לסוכני מומחה שהמשתמש עצמו יצר. סוכן ביקורת נפרד בודק ציטוטים וחישובים, ומסמן או מתקן שגיאות תוך כדי עבודה.
הכלי גם מציג תוצרים מדעיים באופן מקורי, בהם מבני חלבון תלת ממדיים, מסלולי גנום ומבנים כימיים, לצד הקוד שיצר אותם. לכל איור מצורפים הקוד המדויק, סביבת ההרצה, תיאור בשפה פשוטה של אופן היצירה, וכל היסטוריית ההודעות, כדי שאפשר יהיה לאמת ולשחזר את התוצאה גם חודשים אחר כך. בתחום הביולוגיה, סוכני מומחה שולפים ומצליבים מידע ממקורות כמו UniProt, PDB, Ensembl, ClinVar ו-ChEMBL, והמערכת מתחברת גם לכלים של NVIDIA BioNeMo ולמודלים כמו Evo 2, Boltz-2 ו-OpenFold3.
הנתונים נשארים במעבדה
נקודה שראויה לתשומת לב היא שהכלי רץ על התשתית של המעבדה עצמה, בין אם מדובר במחשב נייד, בשרת Linux או בצומת כניסה לאשכול חישוב דרך SSH, וכן על חשבון Modal לחישוב לפי דרישה. לפי Anthropic, נתונים גדולים או רגישים לא צריכים לעזוב את המערכות שבהן הם כבר נמצאים, ורק ההקשר הדרוש לכל שלב נשלח ל-Claude. הכלי גם מנהל את משאבי החישוב, מכין תוכנית, ומבקש אישור לפני שהוא ניגש למשאב חדש. עבור מעבדות בענפים מוסדרים, שמירת נתונים רגישים בבית היא נקודה מהותית.
לא מודל חדש
חשוב להבהיר נקודה שעלולה להתפספס. לפי דיווחים המצטטים את Anthropic, Claude Science אינו מודל חדש ואינו מודל חזק יותר לביולוגיה, אלא אפליקציה שרצה על מודלי Claude הקיימים, ובהם Claude Opus 4.8, בלי גישה מיוחדת. במילים אחרות, החידוש כאן הוא שכבת סביבת העבודה והחיבור לכלים, ולא קפיצת מדרגה ביכולת המדעית של המודל עצמו.
מה חוקרים כבר עשו
Anthropic מציגה כמה מעבדות שהשתמשו בכלי בשלב הבטא. חברת Manifold Bio, שמפתחת תרופות ממוקדות רקמה, השתמשה בו כדי לדרג יעדים ניסיוניים לפי ביטוי, בטיחות והובלה בגוף. במכון Allen בנה מדען המוח Jérôme Lecoq תבנית סקירה מרובת סוכנים מכ-20 מיומנויות, שקוראת אלפי מאמרים ובונה סקירות ארוכות. לדבריו, סקירה כזו הייתה יכולה לקחת לצוותו עד שנתיים, וכעת יש בידיו כעשר סקירות, רבות מהן מעל 100 עמודים. במרכז לגידולי מוח של UCSF השתמש האפידמיולוג Stephen Francis בכלי לחקר גליומה, ולדבריו הוא קיצר ניתוחים גנטיים לכעשירית מהזמן, כשהקבוצה אימתה את התוצאות באופן עצמאי.
מענקים לחוקרים
לצד ההשקה פתחה Anthropic תוכנית מענקים לעד 50 פרויקטים, עם עד 30,000 דולר קרדיט לכל אחד, ועד 2,000 דולר חישוב מ-Modal לפרויקטים נבחרים. ההגשות פתוחות עד 15 ביולי 2026, ההודעות ישלחו עד 31 ביולי, והפרויקטים יתקיימו בין 1 בספטמבר ל-1 בדצמבר. במקביל הושקה תוכנית Team במחיר מוזל למעבדות אקדמיות ולארגוני מחקר ללא כוונת רווח.
הסתייגות והצד השני
כאן צריך פרופורציה. מספרי היעילות שמלווים את ההשקה, כמו קיצור סקירה משנתיים או ניתוח בעשירית מהזמן, הם עדויות ממעבדות שותפות בבטא ולא בנצ'מרק עצמאי ומבוקר. יש לזכור זאת, אם כי במקרה של UCSF הקבוצה כן דיווחה על אימות עצמאי של התוצאות. גם סוכן הביקורת שבודק ציטוטים וחישובים משתמש באותו מודל בסיס, כלומר מדובר בבינה שבודקת את עצמה, ולא בשכבת בקרה חיצונית.
בתמונה הרחבה, כלי מחקר מבוססי בינה מלאכותית עדיין רחוקים מאמינות מלאה. במדד LifeSciBench שפרסמה OpenAI ביוני 2026, המודל החזק ביותר שנבדק, GPT-Rosalind, עבר רק כ-36 אחוז מהמשימות, כלומר נכשל בכשני שלישים. זהו מדד של OpenAI שכלל לא בחן את מודלי Claude, אך הוא ממחיש עד כמה גם כלים ייעודיים למדע דורשים עדיין פיקוח אנושי צמוד. Claude Science גם אינו לבד בשוק. Google הציגה במאי סביבת עבודה מדעית בשם Gemini for Science, ו-OpenAI דוחפת את GPT-Rosalind בגישה מבוקרת לארגונים, כך שהתחום הופך למרוץ בין שלוש חברות גדולות.
בשורה התחתונה Claude Science מציע לחוקרים סביבה אחת שמחברת מאגרים, קוד וחישוב, עם דגש על שחזור ועל שמירת נתונים במעבדה. עם זאת, מדובר בגרסת בטא, המספרים הבולטים הם עדויות של שותפים ולא מדידה עצמאית, והמודל שמאחורי הכלי הוא Claude הקיים ולא פריצת דרך מדעית נפרדת. עבור מעבדה שמעוניינת לצמצם עבודת רקע טכנית זה עשוי להיות כלי שימושי, אבל כמו בכל כלי מחקר, הערך האמיתי ייבחן בשטח ובבדיקה עצמאית לאורך זמן.
1. מהו Claude Science ואיזו בעיה הוא בא לפתור?
זו סביבת עבודה שהשיקה Anthropic ב 30 ביוני 2026 בגרסת בטא, המיועדת לחוקרים ומנסה לרכז במקום אחד את שלל המאגרים, הכלים ומשאבי החישוב שמחקר מדעי נשען עליהם. הרעיון המרכזי הוא לצמצם את הבזבוז שנוצר כשחוקר עובר בין עשרות מאגרים, פורמטים וכלים נפרדים כמו PubMed, Jupyter, R וטרמינל של אשכול חישוב. הכלי מאחד את השלבים לסביבה אחת שבה אפשר לנתח ספרות, להריץ מחקר רב שלבי ולזקק איורים וכתבי יד עד לרמת פרסום, כשכל תוצר נושא היסטוריה שניתנת לבדיקה ולשחזור.
2. איך בנויה המערכת מבחינת הסוכנים והכלים שהיא מפעילה?
בלב המערכת עומד סוכן מתאם שיש לו גישה ליותר מ 60 מיומנויות ומחברים שהוגדרו מראש לתחומים כמו גנומיקה, פרוטאומיקה, ביולוגיה מבנית וכימיה חישובית. הסוכן יכול להפעיל סוכני משנה ולפנות לסוכני מומחה שהמשתמש עצמו יצר, וסוכן ביקורת נפרד בודק ציטוטים וחישובים ומסמן או מתקן שגיאות תוך כדי עבודה. בביולוגיה, סוכני מומחה שולפים ומצליבים מידע ממקורות כמו UniProt, PDB, Ensembl, ClinVar ו-ChEMBL, והמערכת מתחברת גם לכלים כמו NVIDIA BioNeMo ולמודלים כמו Evo 2, Boltz-2 ו-OpenFold3.
3. איך Claude Science שומר על פרטיות הנתונים של המעבדה?
הכלי רץ על התשתית של המעבדה עצמה, בין אם מדובר במחשב נייד, בשרת Linux או בצומת כניסה לאשכול חישוב דרך SSH, וכן על חשבון Modal לחישוב לפי דרישה. לפי Anthropic, נתונים גדולים או רגישים לא צריכים לעזוב את המערכות שבהן הם כבר נמצאים, ורק ההקשר הדרוש לכל שלב נשלח ל-Claude. הכלי גם מנהל את משאבי החישוב, מכין תוכנית ומבקש אישור לפני שהוא ניגש למשאב חדש. עבור מעבדות בענפים מוסדרים, שמירת נתונים רגישים בבית היא נקודה מהותית.
4. האם Claude Science הוא מודל חדש וחזק יותר לביולוגיה?
לא, וזו נקודה שעלולה להתפספס. לפי דיווחים המצטטים את Anthropic, Claude Science אינו מודל חדש ואינו מודל חזק יותר לביולוגיה, אלא אפליקציה שרצה על מודלי Claude הקיימים, ובהם Claude Opus 4.8, בלי גישה מיוחדת. במילים אחרות, החידוש כאן הוא שכבת סביבת העבודה והחיבור לכלים, ולא קפיצת מדרגה ביכולת המדעית של המודל עצמו.
5. אילו הסתייגויות חשוב לזכור לגבי מספרי היעילות שמלווים את ההשקה?
צריך פרופורציה. מספרי היעילות, כמו קיצור סקירה משנתיים או ניתוח בעשירית מהזמן, הם עדויות ממעבדות שותפות בבטא ולא בנצ'מרק עצמאי ומבוקר, אם כי במקרה של UCSF הקבוצה כן דיווחה על אימות עצמאי של התוצאות. בנוסף, סוכן הביקורת שבודק ציטוטים וחישובים משתמש באותו מודל בסיס, כלומר מדובר בבינה שבודקת את עצמה ולא בשכבת בקרה חיצונית. בתמונה הרחבה, במדד LifeSciBench שפרסמה OpenAI ביוני 2026 המודל החזק ביותר שנבדק, GPT-Rosalind, עבר רק כ 36 אחוז מהמשימות, מה שממחיש עד כמה גם כלים ייעודיים למדע דורשים עדיין פיקוח אנושי צמוד.
