Claude Science è in beta: la riproducibilità è la funzionalità che conta

Anthropic ha messo in beta un'applicazione desktop per la ricerca, e la cosa più interessante nella sua pagina non è il titolo. Claude Science si presenta come "il tuo partner di ricerca per una scienza rigorosa", e la frase immediatamente sotto questa presentazione riguarda più l'infrastruttura che l'intelligenza: l'app esegue analisi, cerca nei database e traccia ogni passaggio, dalla sistemazione dei dati alla pubblicazione. Sono disponibili download per Mac su Apple Silicon, Mac su Intel, Windows e Linux, con accanto un pulsante per contattare il reparto vendite, per i team che vogliono parlarne prima di installare. Da nessuna parte nella pagina viene nominato il modello. Da nessuna parte nella pagina c'è un prezzo. Ciò che viene indicato, con un dettaglio insolito, è la provenienza.

Quell’ordine merita di essere ponderato. La maggior parte delle pagine di prodotto AI parte da una capacità e aggiunge dopo un linguaggio di fiducia. Questa invece parte dal resoconto di come è stato prodotto un risultato e tratta l’analisi come ciò che viene venduto: ricchi artefatti scientifici completamente riproducibili, con ogni risultato ricondotto al suo codice. Se gestisci un laboratorio, quella è o la frase più utile che Anthropic abbia scritto quest’anno o quella che dovresti mettere alla prova più duramente. Il resto di questo pezzo riguarda come distinguere le due cose.

Che cos'è davvero l'app

Claude Science è un'applicazione in beta, non un servizio a cui si accede da una scheda del browser. La matrice dei download — Apple Silicon, Intel Mac, Windows, Linux — indica che il presupposto è che il lavoro avvenga dove si trovano già i dati, su una workstation o una macchina da laboratorio. La descrizione fornita da Anthropic stessa di ciò che fa l'app è ristretta e specifica: esegue analisi, cerca nei database e traccia ogni passaggio dalla preparazione dei dati alla pubblicazione. La promessa che porta con sé non è esattamente risposte migliori. È meno tempo speso nelle parti della ricerca che non sono ricerca.

C'è una seconda cosa che la pagina si rifiuta di fare. Non vende un abbonamento. La pagina presenta un pulsante per contattare il reparto commerciale e nessun prezzo, e l'app è contrassegnata come beta. Il dettaglio commerciale è lasciato a una conversazione, il che è un fatto riguardante la pagina più che una critica all'azienda — ma significa comunque che qualsiasi cifra citata come prezzo di Claude Science cita qualcosa che non è stato pubblicato.

Ciò che la pagina effettivamente divulga, e in modo piuttosto diffuso, è la forma del lavoro. Ogni artefatto arriva con la sua storia: il codice esatto, l’ambiente e la conversazione che l’ha prodotto. La formulazione di Anthropic è che figure, tabelle e notebook “possono essere riprodotti, modificati o difesi mesi dopo”. Si tratta di un’affermazione sulla tenuta dei registri, e la tenuta dei registri è esattamente il tipo di affermazione che un laboratorio può verificare.

L'artefatto porta con sé la propria storia

Una figura in un manoscritto inviato è un'immagine bitmap con un'asserzione allegata. Sei mesi dopo, un revisore chiede perché le barre di errore si allargano oltre una certa concentrazione, oppure un collaboratore vuole lo stesso grafico per una seconda coorte, e qualcuno deve ricostruire un notebook toccato l'ultima volta da un postdoc che nel frattempo se n'è andato. La risposta abituale è l'archeologia: un drive condiviso, un thread di chat, tre versioni di uno script e una congettura su quale abbia prodotto i pannelli dell'articolo.

L'affermazione qui è che l'artefatto non è un'immagine ma un record, e che il record viaggia con l'immagine. Codice, ambiente e conversazione, archiviati accanto all'output, così che chi lo riapre tra un anno ottenga la stessa risposta anziché una plausibile. Se questo vale, cambia il costo di un evento di ricerca piuttosto ordinario: la richiesta di revisione che arriva dopo che tutti sono andati avanti.

C'è un effetto di secondo ordine che conta più della comodità. Se il codice è allegato, una figura può essere modificata anziché ridisegnata. Anthropic descrive l'iterazione delle figure in linguaggio semplice: annota una figura per richiedere una modifica o porre una domanda, e l'agente legge il codice che l'ha prodotta e modifica direttamente. È un'operazione diversa dalla rigenerazione di un'immagine. Ridisegnare un grafico a mano introduce una nuova occasione di errore che nessuno coglierà, perché il nuovo grafico somiglia a quello vecchio. Modificare il codice che l'ha creata mantiene intatta la derivazione — presupponendo, e questo è il presupposto su cui si basa l'intero prodotto, che il codice allegato a una figura sia davvero il codice che l'ha prodotta.

Il revisore che legge il codice

Anthropic ha integrato nell'app un revisore in background. Il suo compito è segnalare tre cose: citazioni errate, numeri che non possono essere ricondotti a una fonte e figure che non corrispondono al codice sottostante. Ciascuno di questi è uno specifico modo di fallire della biologia computazionale anziché un'allucinazione generica, e il terzo si collega direttamente all'affermazione sulla provenienza. Un revisore che può vedere sia una figura sia il codice che l'ha generata può verificare l'una rispetto all'altro. Un revisore che vede solo la figura non può.

Ciò che non è pubblicato è quanto bene funzioni. Non ci sono tassi, benchmark né valutazioni indipendenti nella pagina, quindi qui non se ne offre alcuno. La formulazione onesta è che un revisore che segnala discrepanze è un utile secondo paio d'occhi e un pessimo sostituto di un primo paio. Coglierà la figura le cui etichette degli assi sono cambiate tra una versione e l'altra. Non ti dirà se l'esperimento è stato progettato correttamente, e non può sapere che una scheda dei campioni è stata etichettata male a monte se l'errore di etichettatura è coerente lungo tutto il processo.

Questa distinzione è importante perché il revisore è la parte del prodotto più facilmente sopravvalutata in una riunione di laboratorio. Un segno di spunta verde da un revisore in background significa che un'affermazione ha superato un controllo di coerenza, non che sia vera. Il registro di provenienza è la metà più duratura della coppia: non dipende dal fatto che il revisore abbia ragione, ma solo dal fatto che il registro sia completo.

Renderer, manoscritti e calcolo

Tre componenti più piccoli dell'app portano la stessa argomentazione da direzioni diverse. Il primo è il rendering nativo. Proteine, allineamenti, tracce genomiche, strutture chimiche e PDF vengono visualizzati nella loro forma nativa senza alcuna installazione aggiuntiva. Sembra un dettaglio estetico, finché non si ricorda quanto della catena di strumenti di un laboratorio sia in realtà una sequenza di passaggi di esportazione — dal visualizzatore di strutture allo screenshot, alla diapositiva, alla figura — ognuno dei quali perde metadati e offre un'ulteriore occasione perché qualcosa venga ridimensionato senza che nessuno se ne accorga.

Il secondo è la stesura del manoscritto. I risultati vengono redatti accanto all'analisi che li ha prodotti, con anteprime Markdown e LaTeX renderizzate. Mantenere la prosa nello stesso progetto del calcolo è la versione più economica disponibile di riproducibilità: la bozza e l'analisi non possono allontanarsi se non vivono mai separate.

Il terzo è la gestione delle risorse di calcolo. L'app crea gli ambienti necessari a ciascuna analisi e li esegue sul tuo laptop, sul tuo cluster o su GPU. È qui che uno strumento di ricerca diventa utilizzabile o meno. Un job su GPU che deve essere assemblato manualmente in un terminale è un job che solo una persona nel laboratorio può eseguire, e quella persona diventa un collo di bottiglia nel momento in cui va in vacanza. La creazione degli ambienti è un'attività poco affascinante, ed è la differenza tra uno strumento che un laboratorio adotta e uno strumento che usa un solo studente.

Chi lo ottiene gratis, e chi intende la pagina con «scienziati»?

Un banner sopra la pagina del prodotto pubblicizza un piano Claude Team per scienziati: gli scienziati presso istituzioni di ricerca accademiche e senza scopo di lucro di tutto il mondo possono ora ottenere Claude senza costi per iniziare. Questa è la formulazione di Anthropic sulla pagina di Anthropic stessa, e i suoi confini contano quanto il suo contenuto.

L'offerta è impostata intorno alle istituzioni di ricerca accademiche e nonprofit. Non è scritta per la R&S industriale né per gli studenti come categoria; estenderla all'uno o all'altro dei due casi significherebbe leggerla oltre ciò che dice la frase. Anche la locuzione “per iniziare” fa la sua parte. La pagina descrive un avvio senza costi, non un diritto permanente, e non dice cosa viene dopo. Un laboratorio che pianifica un budget su questa base dovrebbe leggerla come un'opportunità di accesso, non come una voce di bilancio, e non dovrebbe presumere che l'app stessa abbia un prezzo pubblicato, perché non ce l'ha.

Le domande che la pagina lascia aperte

Cinque cose che un lettore attento cercherà e non troverà. Il modello: la pagina non dice su quale modello o modelli di Claude venga eseguito Claude Science, quindi qualsiasi articolo che ne nomini uno sta tirando a indovinare. Il prezzo: sulla pagina non viene venduto alcun abbonamento. Requisiti di sistema: sono elencate quattro piattaforme e non vengono fornite versioni hardware o del sistema operativo. Se gli artefatti lasciano la macchina: la storia della provenienza riguarda ciò che viene memorizzato insieme a un risultato, non dove quel risultato viene inviato, e sono domande diverse. E una data di uscita dalla beta: non ne è pubblicata nessuna.

Il quarto di essi è quello da risolvere prima del primo caricamento. Un registro di riproducibilità è prezioso proprio perché è dettagliato — codice, ambiente, conversazione — e i registri dettagliati di ricerche non pubblicate sono esattamente ciò su cui un comitato di governance dei dati chiederà informazioni. La pagina non risponde a dove risieda il registro, e questo silenzio è un motivo legittimo per avere la conversazione con Anthropic prima di elaborare dati clinici tramite l'app anziché dopo.

L'altro annuncio quella settimana

Il 22 ottobre 2026 Anthropic ha pubblicato un invito aperto per ricercatori ospiti nel campo delle scienze della vita, invitando la comunità delle scienze della vita a candidarsi per lavorare con Anthropic su progetti speciali. Questo è l’intero contenuto pubblicato dell’annuncio. Non è una descrizione di un programma, non è una sovvenzione e non è una dichiarazione sulla roadmap di Claude Science; considerarlo una di queste cose significherebbe leggervi più di quanto ci sia. È però un segnale di dove l’azienda sta concentrando l’attenzione. Anthropic sta reclutando scienziati in attività, non clienti.

Che cosa significa questo se stai costruendo invece di fare ricerca

Un confine innanzitutto. Claude Science è un'applicazione di Anthropic. Non la ospitiamo, non la vendiamo e nulla di quanto segue deve essere interpretato come un'affermazione sulla disponibilità dell'app. Ciò che ospitiamo sono i modelli, tramite un unico endpoint compatibile con OpenAI e una sola chiave, al prezzo di listino del provider senza alcun ricarico aggiuntivo. Claude Opus 5.5 è presente in quel catalogo a $4,00 per milione di token in input e $20,00 per milione di token in output, con un contesto da 1M token e letture dalla cache a $0,20 per milione.

Ciò è rilevante per una porzione più ristretta di questa vicenda di quanto sembri a prima vista. Poiché Anthropic non ha pubblicato su quale modello venga eseguito Claude Science, non c'è modo onesto di dire che l'app venga eseguita su un modello che ci troviamo a offrire. Quello che si può dire è che le parti di una pipeline di ricerca che vivono al di fuori dell'app — un job batch che annota campioni durante la notte, uno script che chiama un modello dall'interno di un notebook esistente, un passaggio che deve continuare a funzionare durante un'interruzione di servizio di un provider — sono normali chiamate a modelli, ed è a questo che serve un router. Il failover automatico tra provider conta più in un job che dura sei ore che in una finestra di chat che una persona sta guardando. Il DSL di routing, che compone più modelli in un'unica chiamata, conta quando un passaggio di una pipeline richiede un modello piccolo ed economico e quello successivo ne richiede uno più accurato.

La disciplina di riproducibilità che l'app sta vendendo non deve fermarsi ai confini dell'app. Se un risultato dipende da una chiamata a un modello che hai effettuato tu, vale la stessa regola: registra il modello, registra il prompt, registra la data. Gli endpoint sopravvivono alle versioni dietro i loro alias, e un dato che dipende da una chiamata che nessuno ha documentato è esattamente il dato che diventa archeologia.

Il test che vale la pena eseguire per primo

Ogni pagina prodotto di questa categoria presenta una versione della stessa promessa: il lavoro sarà più veloce e la documentazione sarà più pulita. La prima metà è facile da mostrare e difficile da verificare. La seconda metà è verificabile, e Claude Science l'ha resa insolitamente specifica — codice, ambiente e conversazione, allegati all'artefatto, difendibili a distanza di mesi.

Quindi il test non è una demo. Prendi una figura che il tuo laboratorio ha già pubblicato, una che ha richiesto un vero lavoro per essere prodotta, e chiedi all'app di riprodurla dal registro. Se torna con gli stessi numeri e un resoconto leggibile di come sono stati ottenuti, l'affermazione sulla provenienza è reale per il tuo tipo di lavoro. Se torna con un grafico dall'aspetto plausibile e nessuna traccia, hai imparato qualcosa di più utile di qualsiasi benchmark: lo strumento è un renderer con buone maniere, e il tuo laboratorio ha ancora bisogno del proprio archivio.

Vale la pena avere una risposta o l’altra. Una beta è un’ipotesi su come verrà svolta la ricerca, e la cosa utile di questa particolare beta è che la sua tesi centrale è falsificabile da chiunque abbia una figura pubblicata e un pomeriggio libero.