Claude Science 进入 Beta 阶段：可复现性才是关键功能

Anthropic 已推出一款桌面研究应用的测试版，而其页面上最有趣的地方并不是标题。Claude Science 自称是“你开展严谨科学研究的合作伙伴”，而紧接在这一定位下方的那句话讲的却是底层机制，而非智能：该应用运行分析、搜索数据库，并追踪从数据整理到发表的全过程每一步。下载版本适用于搭载 Apple Silicon 的 Mac、搭载 Intel 的 Mac、Windows 和 Linux，旁边还有一个联系销售按钮，供希望在安装前先沟通的团队使用。页面上任何地方都没有提到模型名称。页面上任何地方都没有标价。被以非同寻常的细致程度点明的，是溯源信息。

这种排列顺序值得细细琢磨。大多数 AI 产品页面先突出某项能力，然后再补充信任话术。这一个则先展示结果是如何产生的记录，并把分析本身当作所售之物：内容丰富、可完全复现的科学产物，每一项结果都能追溯到其代码。如果你运营一家实验室，这句话要么是 Anthropic 今年写下的最有用的一句话，要么就是你应该最用力检验的一句话。本文余下部分讲的正是如何分辨这两者。

这个应用实际上是什么

Claude Science 是一款处于测试阶段的应用程序，而不是通过浏览器标签页访问的服务。下载矩阵——Apple Silicon、Intel Mac、Windows、Linux——表明其假设是：工作就在数据原本所在之处进行，在工作站或实验室机器上。Anthropic 对该应用功能的描述范围有限且非常具体：它运行分析、搜索数据库，并追踪从数据整理到论文发表的全过程每一步。随之而来的承诺严格来说并不是更好的答案，而是减少花在研究中非研究部分上的时间。

还有第二件事是页面没有做的。它不销售订阅。页面上有一个联系销售按钮，但没有价格，而且应用被标记为 beta。商业细节留待沟通，这是关于页面的事实，而不是对公司的抱怨——但这确实意味着，任何被引作 Claude Science 价格的数字，都是在引用尚未公布的内容。

页面确实用了不少篇幅披露的，是这项工作的形态。每个产物都随附其历史：确切的代码、环境，以及产生它的对话。Anthropic 的措辞是，图、表格和笔记本“可以在数月之后被复现、编辑或辩护”。这是一种关于记录保存的主张，而记录保存恰恰是实验室可以核查的那类主张。

这件器物承载着它自身的历史

一篇投稿稿件中的图是一张位图，并附带一项断言。六个月后，审稿人问为什么误差条在某一浓度以上会变宽，或者合作者想要同一张图用于第二个队列，而有人不得不重建一个最后由一位后来离开的博士后碰过的 notebook。通常的答案是考古：一个共享驱动器、一个聊天线程、三个版本的脚本，以及猜测哪一个版本生成了论文中的那些面板。

这里的说法是，该制品不是一张图片，而是一份记录，并且这份记录随图片一同流转。代码、环境和对话都与输出一起存储，这样一年后重新打开它的人得到的是同样的答案，而不是一个看似合理的答案。如果这一点成立，它就会改变一个相当常见的研究事件的成本：那个在所有人都已转向别处之后才到来的修订请求。

还有一个二阶效应，其重要性超过便利性。如果代码是附在图表上的，图表就可以被编辑，而不是重绘。Anthropic 用直白的语言描述了图表的迭代：在图表上添加标注来请求修改或提出问题，智能体会读取生成该图表的代码并直接编辑。这与重新生成图像是不同的操作。手动重绘图表会带来新的、无人能察觉的错误机会，因为新图看起来和旧图一样。编辑生成它的代码可以保持推导过程完整——前提是，附加到图表上的代码确实是生成它的代码，而这也是整个产品所依赖的假设。

阅读代码的审查者

Anthropic 在应用中内置了一个后台审查器。它的职责是标记三类问题：引用错误、无法追溯到来源的数字，以及与底层代码不符的图表。这些都是计算生物学特有的失败模式，而不是泛泛的幻觉，并且第三类直接关系到溯源主张。一个既能看见图表、又能看见生成该图表的代码的审查器，可以将两者相互核对。一个只能看见图表的审查器则做不到。

尚未公布的是它的效果究竟如何。页面上没有成功率、没有基准测试，也没有独立评估，因此这里也不提供。诚实的说法是：能标出不一致之处的复核者是有用的第二双眼睛，却是第一双眼睛的糟糕替代品。它能发现不同版本间坐标轴标签发生漂移的图表。它不会告诉你实验设计是否正确，也无法知道上游的样本表被错误标注——如果这种错误标注从头到尾都一致的话。

这一区分很重要，因为审核器是产品中最容易在实验室会议上被过度吹嘘的部分。来自后台审核器的绿色对勾意味着某项主张通过了一致性检查，而不是意味着该主张为真。溯源记录是这对组合中更持久的一半：它不依赖于审核器是否正确，只依赖于记录是否完整。

渲染器、手稿与算力

应用中有三个较小的部分从不同角度论证了同一件事。第一个是原生渲染。蛋白质、比对结果、基因组轨道、化学结构和 PDF 都以原生形式显示，无需额外安装。这听起来像是表面功夫，直到你想起实验室的工具链中有多少环节是一连串导出步骤——从结构查看器到截图，再到幻灯片，最后到图——每一步都会丢失元数据，并增加某个对象被悄悄调整尺寸的机会。

第二项是稿件撰写。结果会与生成它们的分析一并撰写成文，并提供渲染后的 Markdown 和 LaTeX 预览。让文字与计算留在同一个项目中，是实现可复现性成本最低的方式：只要草稿与分析不分开存放，它们就不会彼此偏离。

第三项是计算管理。应用会构建每次分析所需的环境，并在你的笔记本电脑、集群或 GPU 上运行它们。研究工具能否真正可用，关键就在于此。一项需要在终端里手工拼装的 GPU 任务，意味着实验室里只有一个人能运行它；而这个人一旦休假，就会立刻成为瓶颈。环境构建并不光鲜，但它决定了一个工具是被整个实验室采用，还是只被一个研究生使用。

谁会免费获得它，以及页面所说的“科学家”指的是谁

产品页上方有一条横幅，宣传面向科学家的 Claude Team 套餐：全球学术和非营利研究机构的科学家现在可以免费开始使用 Claude。这是 Anthropic 在其自家页面上的措辞，而这一措辞的边界与其内容同样重要。

这项优惠是围绕学术和非营利研究机构来表述的。它不是为产业研发写的，也不是把学生作为一个类别来写的；把它延伸到这两者中的任何一方，都超出了这句话本身所表达的范围。“起步”这个说法也在发挥作用。该页面描述的是零成本起步，而不是一项永久性权益，也没有说明接下来会怎样。围绕这一点规划预算的实验室，应把它理解为一次开门机会，而不是一个预算项目，并且不应假定该应用本身已有公开定价，因为并没有。

该页面留下的未解问题

细心的读者会寻找却找不到的五件事。模型：页面没有说明 Claude Science 运行的是哪个或哪些 Claude 模型，因此任何点名具体模型的文章都只是在猜测。价格：页面上不销售任何订阅。系统要求：列出了四个平台，但没有给出硬件或操作系统版本。产物是否会离开本机：溯源说明讲的是结果附带存储了什么，而不是该结果被发送到哪里，而这是两个不同的问题。以及退出测试版的时间：没有公布。

其中第四项要在首次上传前解决。可复现性记录之所以有价值，恰恰是因为它足够详细——代码、环境、对话——而未发表研究的详细记录，正是数据治理委员会会追问的内容。该页面没有说明记录存放在哪里，而这种沉默正是有正当理由在将临床数据通过该应用处理之前、而不是之后，先与 Anthropic 进行沟通的原因。

那一周的另一则公告

2026年10月22日，Anthropic发布了一项面向生命科学领域客座研究员的公开征集，邀请生命科学界人士申请与Anthropic合作开展特别项目。这就是该公告公开发布的全部内容。它不是项目说明，不是资助计划，也不是关于Claude Science路线图的声明；将其视为上述任何一种，都属于过度解读。不过，它确实是一个信号，说明该公司正在把注意力投向何处。Anthropic招募的是实际从事科研的科学家，而不是客户。

如果你是在构建而不是在研究，这意味着什么

先说明一个边界。Claude Science 是 Anthropic 的应用。我们不托管它，也不销售它，本文中的任何内容都不应被理解为该应用可用性的声明。我们托管的是模型，通过一个兼容 OpenAI 的端点、使用单个密钥提供，按供应商标价计费，不额外加价。Claude Opus 5.5 已列入该目录，价格为每百万输入 token 4.00 美元、每百万输出 token 20.00 美元，上下文长度为 100 万 token，缓存读取为每百万 0.20 美元。

这涉及的是这个故事中一个比初看之下更窄的层面。由于 Anthropic 尚未公布 Claude Science 运行在哪个模型上，因此无法诚实地说这个应用运行在我们碰巧提供的某个模型上。可以这么说的是，研究流程中位于应用之外的部分——夜间标注样本的批处理任务、从现有 notebook 内部调用模型的脚本、必须在提供商中断期间持续运行的步骤——都是普通的模型调用，而这正是路由器要处理的事情。跨提供商的自动故障转移，在运行六小时的任务中比在人盯着的聊天窗口中更重要。路由 DSL 可将多个模型组合成一次调用，当流程中的一步需要一个小而便宜的模型、而下一步需要一个更谨慎的模型时，它就很重要的。

这款应用所倡导的可复现性准则，不必止步于应用的边界。如果一个结果依赖于你自己发起的模型调用，同样的规则依然适用：记录模型，记录提示词，记录日期。端点会比其别名背后的版本存续得更久，而一个依赖于无人记录的调用的数值，正是那种会沦为考古对象的数值。

最值得优先运行的测试

这个类别里的每个产品页面都在许下同一个承诺的某个版本：工作会更快，记录会更干净。前半句容易演示，却难以验证。后半句是可验证的，而 Claude Science 把它做得格外具体——代码、环境与对话，全都附着在成果物上，几个月后依然经得起推敲。

所以这个测试不是演示。拿一张你们实验室已经发表过的图，一张真正花了功夫才做出来的图，让这个应用根据记录复现它。如果它返回相同的数字，并给出可读的说明，讲清这些数字是如何得到的，那么对你们这类工作来说，来源可追溯性的主张就是真实的。如果它返回一张看起来合理的图，却没有任何追溯线索，那你学到的东西比任何基准测试都更有用：这个工具只是个彬彬有礼的渲染器，而你的实验室仍然需要自己的存档。

无论哪个答案都值得一听。Beta 是一种关于研究将如何开展的假设，而这个特定 beta 的有益之处在于：任何拥有一个已发表数字和一下午时间的人，都能证伪它的核心主张。