Claude Science está em beta: a reprodutibilidade é o recurso que importa

A Anthropic colocou em beta um aplicativo de pesquisa para desktop, e a coisa mais interessante em sua página não é a manchete. O Claude Science se apresenta como “seu parceiro de pesquisa para ciência rigorosa”, e a frase logo abaixo desse slogan trata de encanamento, não de inteligência: o aplicativo executa análises, pesquisa bancos de dados e rastreia cada etapa, da organização dos dados à publicação. Há downloads para Mac em Apple Silicon, Mac em Intel, Windows e Linux, com um botão de contato com vendas ao lado deles para equipes que querem conversar antes de instalar. Em nenhum lugar da página o modelo é nomeado. Em nenhum lugar da página há um preço. O que é nomeado, com detalhes incomuns, é a proveniência.

Essa ordenação merece ser ponderada. A maioria das páginas de produtos de IA começa com uma capacidade e acrescenta linguagem de confiança depois. Esta começa com um registro de como um resultado foi produzido e trata a análise como aquilo que está sendo vendido: artefatos científicos ricos e totalmente reproduzíveis, com cada resultado rastreado até seu código. Se você dirige um laboratório, essa é ou a frase mais útil que a Anthropic escreveu este ano, ou a que você deveria testar com mais afinco. O restante deste texto trata de distinguir essas duas coisas.

O que o aplicativo realmente é

O Claude Science é um aplicativo em beta, não um serviço acessado por uma aba do navegador. A matriz de download — Apple Silicon, Intel Mac, Windows, Linux — indica que a premissa é que o trabalho acontece onde os dados já estão, em uma estação de trabalho ou máquina de laboratório. A própria descrição da Anthropic sobre o que o aplicativo faz é restrita e específica: ele executa análises, pesquisa bancos de dados e rastreia cada etapa, da manipulação dos dados à publicação. A promessa associada não é exatamente respostas melhores. É menos tempo gasto nas partes da pesquisa que não são pesquisa.

Há uma segunda coisa que a página se recusa a fazer. Ela não vende uma assinatura. A página traz um botão de contato com vendas e nenhum preço, e o app está marcado como beta. O detalhe comercial fica para uma conversa, o que é um fato sobre a página e não uma crítica à empresa — mas isso significa que qualquer número citado como o preço do Claude Science está citando algo que não foi publicado.

O que a página de fato divulga, com algum detalhe, é a forma do trabalho. Todo artefato vem acompanhado de seu histórico: o código exato, o ambiente e a conversa que o produziu. A formulação da Anthropic é que figuras, tabelas e notebooks “podem ser reproduzidos, editados ou defendidos meses depois.” Essa é uma afirmação sobre manutenção de registros, e manutenção de registros é exatamente o tipo de afirmação que um laboratório pode verificar.

O artefato carrega sua própria história

Uma figura em um manuscrito submetido é um bitmap com uma asserção anexada. Seis meses depois, um revisor pergunta por que as barras de erro se alargam acima de uma certa concentração, ou um colaborador quer o mesmo gráfico para uma segunda coorte, e alguém tem de reconstruir um notebook mexido pela última vez por um pós-doutorando que já saiu. A resposta habitual é arqueologia: um drive compartilhado, uma thread de chat, três versões de um script e um palpite sobre qual delas produziu os painéis do artigo.

A afirmação aqui é que o artefato não é uma imagem, mas um registro, e que o registro viaja junto com a imagem. Código, ambiente e conversa, armazenados ao lado da saída, para que a pessoa que o reabrir daqui a um ano obtenha a mesma resposta, e não uma resposta plausível. Se isso se sustenta, muda o custo de um acontecimento de pesquisa bastante comum: o pedido de revisão que chega depois que todo mundo já seguiu em frente.

Há um efeito de segunda ordem que importa mais do que a conveniência. Se o código estiver anexado, uma figura pode ser editada em vez de redesenhada. A Anthropic descreve a iteração de figuras em linguagem simples: anote uma figura para solicitar uma alteração ou fazer uma pergunta, e o agente lê o código que a produziu e edita diretamente. Essa é uma operação diferente de regenerar uma imagem. Redesenhar um gráfico à mão introduz uma nova oportunidade para um erro que ninguém vai detectar, porque o novo gráfico se parece com o antigo. Editar o código que o criou mantém a derivação intacta — assumindo, e esta é a premissa sobre a qual todo o produto se apoia, que o código anexado a uma figura é realmente o código que a produziu.

O revisor que lê o código

A Anthropic incorporou ao aplicativo um revisor em segundo plano. A função dele é sinalizar três coisas: citações incorretas, números que não podem ser rastreados até uma fonte e figuras que não correspondem ao código subjacente. Cada uma dessas é um modo de falha específico da biologia computacional, e não uma alucinação genérica, e a terceira se conecta diretamente à alegação de proveniência. Um revisor que consegue ver tanto uma figura quanto o código que a gerou pode verificar uma contra o outro. Um revisor que vê apenas a figura não consegue.

O que não está publicado é o quão bem isso funciona. Não há taxa, benchmark nem avaliação independente na página, então nenhum é oferecido aqui. A formulação honesta é que um revisor que sinaliza divergências é um par extra de olhos útil e um substituto ruim para um primeiro par. Ele vai pegar o valor cujos rótulos dos eixos mudaram entre versões. Não dirá se o experimento foi projetado corretamente, e não pode saber que uma planilha de amostras foi rotulada incorretamente a montante se o erro de rotulagem for consistente até o fim.

Essa distinção é importante porque o revisor é a parte do produto mais suscetível a ser supervalorizada em uma reunião de laboratório. Uma marca de verificação verde de um revisor em segundo plano significa que uma afirmação passou por uma verificação de consistência, não que a afirmação seja verdadeira. O registro de proveniência é a metade mais duradoura do par: ele não depende de o revisor estar certo, apenas de o registro estar completo.

Renderizadores, manuscritos e computação

Três elementos menores do aplicativo defendem o mesmo argumento de ângulos diferentes. O primeiro é a renderização nativa. Proteínas, alinhamentos, faixas genômicas, estruturas químicas e PDFs são exibidos em sua forma nativa sem nenhuma instalação extra. Isso parece cosmético até você lembrar de quanto da cadeia de ferramentas de um laboratório é uma sequência de etapas de exportação — do visualizador de estruturas à captura de tela, ao slide, à figura — cada uma das quais descarta metadados e cria uma oportunidade para que algo seja redimensionado silenciosamente.

A segunda é a redação do manuscrito. Os resultados são redigidos junto da análise que os produziu, com pré-visualizações renderizadas de Markdown e LaTeX. Manter o texto no mesmo projeto que a computação é a versão mais barata disponível de reprodutibilidade: o rascunho e a análise não podem se distanciar se nunca viverem separados.

O terceiro é a gestão de recursos computacionais. A aplicação constrói os ambientes de que cada análise necessita e executa-os no seu portátil, no seu cluster ou em GPUs. É aqui que uma ferramenta de investigação se torna utilizável ou não. Uma tarefa de GPU que tem de ser montada à mão num terminal é uma tarefa que só uma pessoa no laboratório consegue executar, e essa pessoa torna-se um estrangulamento no momento em que vai de férias. A construção de ambientes não tem glamour, e é a diferença entre uma ferramenta que um laboratório adota e uma ferramenta que um único estudante de doutoramento utiliza.

Quem recebe gratuitamente e a quem a página se refere com “cientistas”?

Um banner fica acima da página do produto anunciando um plano Claude Team para cientistas: cientistas de instituições de pesquisa acadêmicas e sem fins lucrativos em todo o mundo agora podem obter o Claude sem custo para começar. Essa é a redação da Anthropic na própria página da Anthropic, e seus limites importam tanto quanto seu conteúdo.

A oferta é estruturada em torno de instituições de pesquisa acadêmicas e sem fins lucrativos. Ela não foi redigida para P&D da indústria nem para estudantes como categoria; estendê-la a qualquer um dos dois seria ler além do que a frase diz. A expressão “to start” também tem peso. A página descreve um início sem custo, não um direito permanente, e não diz o que vem depois. Um laboratório que planeje um orçamento com base nisso deve interpretá-la como uma porta de entrada, e não como uma linha orçamentária, e não deve presumir que o aplicativo em si tenha um preço publicado, porque não tem.

As perguntas que a página deixa em aberto

Cinco coisas que um leitor atento procurará e não encontrará. O modelo: a página não diz em qual modelo ou modelos Claude o Claude Science é executado, então qualquer artigo que nomeie um está adivinhando. O preço: nenhuma assinatura é vendida na página. Requisitos de sistema: quatro plataformas são listadas e nenhuma versão de hardware ou de sistema operacional é fornecida. Se os artefatos saem da máquina: o relato de proveniência é sobre o que é armazenado com um resultado, não sobre para onde esse resultado é enviado, e essas são perguntas diferentes. E uma data de saída do beta: nenhuma é publicada.

O quarto desses é o que deve ser resolvido antes do primeiro upload. Um registro de reprodutibilidade é valioso justamente por ser detalhado — código, ambiente, conversa —, e registros detalhados de pesquisa não publicada são exatamente aquilo sobre o que um comitê de governança de dados vai perguntar. A página não responde onde o registro fica, e esse silêncio é um motivo legítimo para ter a conversa com a Anthropic antes de passar dados clínicos pelo aplicativo, e não depois.

O outro anúncio daquela semana

Em 22 de outubro de 2026, a Anthropic publicou uma chamada aberta para investigadores convidados nas ciências da vida, convidando a comunidade das ciências da vida a candidatar-se a trabalhar com a Anthropic em projetos especiais. Esse é todo o conteúdo publicado do anúncio. Não é uma descrição de programa, não é uma bolsa e não é uma declaração sobre o roteiro do Claude Science; tratá-lo como qualquer uma dessas coisas seria ler mais do que aquilo que está lá. É, no entanto, um sinal de onde a empresa está a colocar a atenção. A Anthropic está a recrutar cientistas em atividade, não clientes.

O que isso significa se você está construindo em vez de pesquisar

Primeiro, um limite claro. O Claude Science é um aplicativo da Anthropic. Não o hospedamos, não o vendemos, e nada aqui deve ser interpretado como uma afirmação de disponibilidade do aplicativo. O que hospedamos são modelos, por meio de um endpoint compatível com OpenAI, com uma única chave, pelo preço de tabela do provedor, sem nenhuma margem adicionada. O Claude Opus 5.5 está nesse catálogo a US$ 4,00 por milhão de tokens de entrada e US$ 20,00 por milhão de tokens de saída, com contexto de 1 milhão de tokens e leituras de cache a US$ 0,20 por milhão.

Isso é relevante para uma fatia mais estreita desta história do que parece à primeira vista. Como a Anthropic não publicou em qual modelo o Claude Science é executado, não há como dizer com honestidade que o app roda em um modelo que por acaso oferecemos. O que se pode dizer é que as partes de um pipeline de pesquisa que ficam fora do app — um job em lote que anota amostras durante a noite, um script que chama um modelo de dentro de um notebook existente, uma etapa que precisa continuar rodando durante uma indisponibilidade de provedor — são chamadas de modelo comuns, e é para isso que serve um roteador. O failover automático entre provedores importa mais em um job que roda por seis horas do que em uma janela de chat que uma pessoa está acompanhando. A DSL de roteamento, que compõe vários modelos em uma única chamada, importa quando uma etapa de um pipeline quer um modelo pequeno e barato e a próxima quer um mais cuidadoso.

A disciplina de reprodutibilidade que o aplicativo está vendendo não precisa parar na fronteira do aplicativo. Se um resultado depende de uma chamada de modelo que você mesmo fez, a mesma regra se aplica: registre o modelo, registre o prompt, registre a data. Os endpoints sobrevivem às versões por trás de seus aliases, e um número que depende de uma chamada que ninguém documentou é exatamente o número que se torna arqueologia.

O teste que vale a pena rodar primeiro

Todas as páginas de produto nesta categoria fazem uma versão da mesma promessa: o trabalho será mais rápido e o registo será mais limpo. A primeira metade é fácil de demonstrar e difícil de verificar. A segunda metade é verificável, e a Claude Science tornou-a invulgarmente específica — código, ambiente e conversa, anexados ao artefacto, defensáveis meses mais tarde.

Portanto, o teste não é uma demonstração. Pegue uma figura que seu laboratório já publicou, uma que deu trabalho real para produzir, e peça ao aplicativo que a reproduza a partir do registro. Se ele voltar com os mesmos números e um relato legível de como foram obtidos, a alegação de proveniência é real para o seu tipo de trabalho. Se ele voltar com um gráfico de aparência plausível e nenhum rastro, você aprendeu algo mais útil do que qualquer benchmark: a ferramenta é um renderizador com boas maneiras, e seu laboratório ainda precisa do próprio arquivo.

Qualquer uma das respostas vale a pena. Um beta é uma hipótese sobre como a pesquisa será conduzida, e o lado útil deste beta em particular é que sua afirmação central é falsificável por qualquer pessoa com um número publicado e uma tarde.