Claude Science está en beta: la reproducibilidad es la característica que importa

Anthropic ha puesto en beta una aplicación de investigación de escritorio, y lo más interesante de su página no es el titular. Claude Science se presenta como “tu socio de investigación para una ciencia rigurosa”, y la frase justo debajo de esa presentación trata de la infraestructura técnica en lugar de la inteligencia: la aplicación ejecuta análisis, busca en bases de datos y rastrea cada paso, desde la manipulación de datos hasta la publicación. Se ofrecen descargas para Mac en Apple Silicon, Mac en Intel, Windows y Linux, con un botón de contacto con ventas junto a ellas para equipos que quieren hablar antes de instalar. En ninguna parte de la página se nombra el modelo. En ninguna parte de la página aparece un precio. Lo que sí se nombra, con un detalle inusual, es la procedencia.

Ese orden merece que nos detengamos a pensarlo. La mayoría de las páginas de productos de IA empiezan por una capacidad y añaden el lenguaje de confianza después. Esta empieza por un registro de cómo se produjo un resultado y trata el análisis como lo que se vende: artefactos científicos ricos que son totalmente reproducibles, con cada resultado rastreado hasta su código. Si diriges un laboratorio, esa es o la frase más útil que Anthropic ha escrito este año o la que deberías poner a prueba con más dureza. El resto de este texto trata de distinguir entre esas dos.

Qué es realmente la aplicación

Claude Science es una aplicación en beta, no un servicio al que se accede mediante una pestaña del navegador. La matriz de descargas —Apple Silicon, Intel Mac, Windows, Linux— indica que el supuesto es que el trabajo ocurre donde ya residen los datos, en una estación de trabajo o en una máquina de laboratorio. La propia descripción de Anthropic sobre lo que hace la aplicación es limitada y específica: ejecuta análisis, busca en bases de datos y rastrea cada paso, desde la preparación de los datos hasta la publicación. La promesa que conlleva no es exactamente obtener mejores respuestas. Es dedicar menos tiempo a las partes de la investigación que no son investigación.

Hay una segunda cosa que la página se niega a hacer. No vende una suscripción. La página incluye un botón de contacto con ventas y ningún precio, y la aplicación está marcada como beta. El detalle comercial queda para una conversación, lo cual es un hecho sobre la página y no una queja sobre la empresa; pero sí significa que cualquier cifra que se cite como el precio de Claude Science está citando algo que no se ha publicado.

Lo que la página sí revela, con cierto detalle, es la forma del trabajo. Cada artefacto se entrega con su historial: el código exacto, el entorno y la conversación que lo produjo. La formulación de Anthropic es que las figuras, las tablas y los cuadernos “se pueden reproducir, editar o defender meses después”. Eso es una afirmación sobre el mantenimiento de registros, y el mantenimiento de registros es exactamente el tipo de afirmación que un laboratorio puede comprobar.

El artefacto lleva consigo su propia historia

Una figura en un manuscrito enviado es un mapa de bits con una afirmación adjunta. Seis meses después, un revisor pregunta por qué las barras de error se ensanchan por encima de cierta concentración, o un colaborador quiere el mismo gráfico para una segunda cohorte, y alguien tiene que reconstruir un cuaderno tocado por última vez por un postdoc que ya se fue. La respuesta habitual es la arqueología: una unidad compartida, un hilo de chat, tres versiones de un script y una conjetura sobre cuál produjo los paneles del artículo.

La afirmación aquí es que el artefacto no es una imagen, sino un registro, y que el registro viaja con la imagen. El código, el entorno y la conversación se guardan junto con el resultado, de modo que quien lo vuelva a abrir dentro de un año obtenga la misma respuesta y no una respuesta plausible. Si eso se cumple, cambia el costo de un acontecimiento de investigación bastante común: la solicitud de revisión que llega después de que todos han seguido adelante.

Hay un efecto de segundo orden que importa más que la conveniencia. Si el código está adjunto, una figura se puede editar en lugar de volver a dibujarla. Anthropic describe la iteración de figuras en términos claros: anota una figura para solicitar un cambio o hacer una pregunta, y el agente lee el código que la produjo y edita directamente. Esa es una operación distinta de regenerar una imagen. Volver a dibujar un gráfico a mano introduce una nueva oportunidad para un error que nadie detectará, porque el nuevo gráfico se parece al anterior. Editar el código que lo creó mantiene intacta la derivación —suponiendo, y esta es la suposición sobre la que descansa todo el producto, que el código adjunto a una figura realmente es el código que la produjo.

El revisor que lee el código

Anthropic ha integrado un revisor en segundo plano en la aplicación. Su función es señalar tres cosas: citas incorrectas, números que no se pueden rastrear hasta una fuente y figuras que no coinciden con su código subyacente. Cada una de ellas es un modo de fallo específico de la biología computacional, no una alucinación genérica, y la tercera se conecta directamente con la afirmación de procedencia. Un revisor que puede ver tanto una figura como el código que la generó puede contrastar una con el otro. Un revisor que solo ve la figura no puede.

Lo que no se publica es lo bien que funciona esto. No hay tasa, ni benchmark, ni evaluación independiente en la página, así que aquí no se ofrece ninguna. El planteamiento honesto es que un revisor que señala discrepancias es un útil segundo par de ojos y un mal sustituto de un primer par. Detectará la cifra cuyas etiquetas de los ejes cambiaron entre versiones. No te dirá si el experimento se diseñó correctamente, y no puede saber que una hoja de muestras se etiquetó mal en origen si el etiquetado incorrecto es coherente de principio a fin.

Esa distinción importa porque el revisor es la parte del producto que más fácilmente se sobredimensiona en una reunión de laboratorio. Una marca de verificación verde de un revisor en segundo plano significa que una afirmación superó una comprobación de coherencia, no que la afirmación sea cierta. El registro de procedencia es la mitad más duradera del par: no depende de que el revisor tenga razón, solo de que el registro esté completo.

Renderizadores, manuscritos y computación

Tres piezas más pequeñas de la aplicación sostienen el mismo argumento desde direcciones distintas. La primera es el renderizado nativo. Las proteínas, los alineamientos, las pistas genómicas, las estructuras químicas y los PDF se muestran en su forma nativa sin necesidad de instalación adicional. Eso suena cosmético hasta que uno recuerda hasta qué punto la cadena de herramientas de un laboratorio es una cadena de pasos de exportación —del visor de estructuras a la captura de pantalla, a la diapositiva y a la figura—, cada uno de los cuales descarta metadatos y añade una oportunidad de que algo se redimensione en silencio.

El segundo es la redacción del manuscrito. Los resultados se escriben junto al análisis que los produjo, con vistas previas renderizadas de Markdown y LaTeX. Mantener la prosa en el mismo proyecto que el cálculo es la versión de reproducibilidad más económica disponible: el borrador y el análisis no pueden separarse si nunca viven separados.

La tercera es la gestión de la computación. La aplicación crea los entornos que necesita cada análisis y los ejecuta en tu portátil, tu clúster o GPUs. Aquí es donde una herramienta de investigación se vuelve usable o no. Un trabajo de GPU que tiene que montarse a mano en una terminal es un trabajo que solo una persona del laboratorio puede ejecutar, y esa persona se convierte en un cuello de botella en el momento en que se va de vacaciones. La creación de entornos no tiene glamour, y es la diferencia entre una herramienta que un laboratorio adopta y una herramienta que usa un solo estudiante de posgrado.

¿Quién lo recibe gratis y a quién se refiere la página cuando dice «científicos»?

En la parte superior de la página del producto hay un banner que anuncia un plan Claude Team para científicos: los científicos de instituciones de investigación académicas y sin fines de lucro de todo el mundo ahora pueden obtener Claude sin costo para comenzar. Esa es la redacción de Anthropic en su propia página, y sus límites importan tanto como su contenido.

La oferta está formulada en torno a instituciones de investigación académicas y sin fines de lucro. No está redactada para la I+D industrial ni para estudiantes como categoría; extenderla a cualquiera de los dos sería interpretarla más allá de lo que dice la frase. La expresión “to start” también cumple una función. La página describe un inicio sin costo, no un derecho permanente, y no indica qué viene después. Un laboratorio que planifique un presupuesto en torno a esto debería interpretarlo como una puerta de entrada más que como una partida presupuestaria, y no debería suponer que la aplicación en sí tiene un precio publicado, porque no lo tiene.

Las preguntas que la página deja abiertas

Cinco cosas que un lector atento buscará y no encontrará. El modelo: la página no dice en qué modelo o modelos de Claude funciona Claude Science, así que cualquier artículo que nombre uno está adivinando. El precio: en la página no se vende ninguna suscripción. Los requisitos del sistema: se enumeran cuatro plataformas y no se indican versiones de hardware ni de sistema operativo. Si los artefactos salen de la máquina: la historia de procedencia trata de lo que se almacena junto con un resultado, no de adónde se envía ese resultado, y son cuestiones distintas. Y una fecha de salida de la beta: no se publica ninguna.

El cuarto de ellos es el que hay que resolver antes de la primera carga. Un registro de reproducibilidad es valioso precisamente porque es detallado —código, entorno, conversación—, y los registros detallados de investigación no publicada son precisamente aquello por lo que preguntará un comité de gobernanza de datos. La página no responde dónde reside el registro, y ese silencio es una razón legítima para mantener la conversación con Anthropic antes de hacer pasar datos clínicos por la aplicación, y no después.

El otro anuncio de esa semana

El 22 de octubre de 2026, Anthropic publicó una convocatoria abierta para investigadores invitados en las ciencias de la vida, en la que invitaba a la comunidad de ciencias de la vida a presentar solicitudes para trabajar con Anthropic en proyectos especiales. Ese es todo el contenido publicado del anuncio. No es una descripción de programa, ni una subvención, ni una declaración sobre la hoja de ruta de Claude Science; tratarlo como cualquiera de esas cosas sería leer más de lo que hay. Sin embargo, sí es una señal sobre dónde está poniendo su atención la empresa. Anthropic está reclutando a científicos en activo, no a clientes.

Qué significa esto si estás desarrollando en lugar de investigar

Primero, una aclaración. Claude Science es una aplicación de Anthropic. No la alojamos, no la vendemos, y nada de lo que aquí se dice debe interpretarse como una afirmación sobre la disponibilidad de la aplicación. Lo que alojamos son modelos, a través de un único endpoint compatible con OpenAI y una sola clave, al precio de lista del proveedor sin ningún recargo adicional. Claude Opus 5.5 figura en ese catálogo a $4.00 por millón de tokens de entrada y $20.00 por millón de tokens de salida, con un contexto de 1M de tokens y lecturas de caché a $0.20 por millón.

Eso es relevante para una porción más estrecha de esta historia de lo que parece a primera vista. Como Anthropic no ha publicado en qué modelo se ejecuta Claude Science, no hay forma honesta de decir que la app se ejecuta en un modelo que casualmente tengamos. Lo que sí se puede decir es que las partes de un pipeline de investigación que viven fuera de la app —un trabajo por lotes que anota muestras durante la noche, un script que llama a un modelo desde dentro de un notebook existente, un paso que tiene que seguir ejecutándose durante una caída de un proveedor— son llamadas a modelos ordinarias, y para eso sirve un enrutador. La conmutación automática por error entre proveedores importa más en un trabajo que dura seis horas que en una ventana de chat que una persona está mirando. El DSL de enrutamiento, que compone varios modelos en una sola llamada, importa cuando un paso de un pipeline quiere un modelo pequeño y económico y el siguiente quiere uno cuidadoso.

La disciplina de reproducibilidad que vende la app no tiene por qué detenerse en los límites de la app. Si un resultado depende de una llamada a un modelo que hiciste tú mismo, se aplica la misma regla: registra el modelo, registra el prompt, registra la fecha. Los endpoints sobreviven a las versiones que hay detrás de sus alias, y una cifra que depende de una llamada que nadie documentó es justo la cifra que se convierte en arqueología.

La prueba que vale la pena ejecutar primero

Todas las páginas de producto de esta categoría formulan una versión de la misma promesa: el trabajo será más rápido y el registro quedará más limpio. La primera mitad es fácil de demostrar y difícil de verificar. La segunda mitad es verificable, y Claude Science la ha vuelto inusualmente específica: código, entorno y conversación, adjuntos al artefacto, defendibles meses después.

Así que la prueba no es una demostración. Tome una figura que su laboratorio ya haya publicado, una que haya costado trabajo real producir, y pídale a la aplicación que la reproduzca a partir del registro. Si vuelve con los mismos números y un relato legible de cómo se llegó a ellos, la afirmación de procedencia es real para su tipo de trabajo. Si vuelve con un gráfico de aspecto plausible y sin rastro alguno, habrá aprendido algo más útil que cualquier benchmark: la herramienta es un renderizador con buenos modales, y su laboratorio todavía necesita su propio archivo.

Cualquiera de las dos respuestas vale la pena. Una beta es una hipótesis sobre cómo se llevará a cabo la investigación, y lo útil de esta beta en particular es que cualquiera puede refutar su afirmación central con una cifra publicada y una tarde.