Anthropic представи нов продукт на име Claude Science на своето събитие за изкуствен интелект (AI) в науката на 30 юни 2026 г. Заедно с него компанията публикува изследване, което обяснява защо досега AI агентите се провалят при рутинна научна работа. За собственика на бизнес в България двете новини заедно казват нещо просто: тесното място при AI често не е моделът, а достъпът до данните.
Какъв е новият продукт
Claude Science е работна среда за научни изследвания. Идеята е да прави за науката това, което Claude Code прави за програмирането: да изпълнява смислена работа по кратки инструкции на високо ниво. Продуктът има достъп до инструменти, полезни за изчислителна биология и разработка на лекарства.
Claude Science стана достъпен веднага в бета версия за всички платени абонати на Claude. Той не е нов модел. Работи върху Claude Opus 4.8, същия модел, който платените потребители вече ползват. Anthropic обяви също, че ще ползва продукта за собствени изследвания върху лекарства за редки и пренебрегвани болести.
Изследването зад продукта
Две седмици преди събитието Anthropic публикува изследване със заглавие “Paving the way for agents in biology”. То тества доколко надеждно водещи AI агенти извличат вирусни секвенции от NCBI Virus, база данни, която вирусолозите ползват за наблюдение и разработка на диагностични тестове.
Резултатът беше отрезвяващ. Оставени сами, моделите се справяха нестабилно. Claude Sonnet 4, Claude Opus 4.7, Biomni OSS, Edison Analysis, GPT-5.2-pro и GPT-5.5 постигнаха средна точност между 16,9 и 91,3 процента. Точността от 16,9 процента е конкретно на Claude Sonnet 4, а не средна за всички.
Още по-тревожно е, че един и същ модел даваше различни отговори на един и същ въпрос. При заявка за секвенции на вируса Ебола Sonnet 4 върна 106 секвенции при първо пускане, 15 при второ и 5 при трето, при очаквани 266. Промптът беше идентичен и трите пъти.
Защо това има значение
Тези разлики не са академична подробност. При изграждане на научни набори от данни летвата е практически сто процента. Един липсващ запис може да измести изводите.
Изследователите ползваха тези секвенции, за да построят филогенетично дърво, стандартен анализ за проследяване на връзките между вирусни проби. Един от непълните набори на Sonnet 4 изтласка предполагаемото начало на епидемията с Ебола от 2014 назад към 1922 година. Грешката в извличането промени цял исторически извод.
Какво реши проблема
Anthropic построи в сътрудничество с NCBI детерминистичен инструмент на име gget virus. Той превежда сложното филтриране на уеб интерфейса на NCBI Virus в един точен и възпроизводим програмен интерфейс. Инструментът координира няколко приложно-програмни интерфейса (API, начини, по които две програми си говорят). Той обработва големи резултати на партиди и връща стандартизиран изход с подробен запис.
Ефектът беше рязък. С gget virus точността се вдигна над 90 процента при всички агенти и достигна 99,7 процента при GPT-5.5. Claude Sonnet 4 се качи от 16,9 на 92,8 процента. Разликата между отделните пускания на практика изчезна.
Изводът на изследователите е ясен. Надеждното изграждане на набори от данни не бива да зависи от достъпа до най-новия или най-скъпия модел. По-евтин модел с правилния инструмент изпревари скъпи модели без него.
Контекстът около събитието
Събитието идва след поредица от ходове на Anthropic в науката. През февруари компанията обяви партньорства с Allen Institute и HHMI. През 2026 г. тя нае и известни имена. Джон Джъмпър е съсъздателят на AlphaFold и носител на Нобелова награда за химия за 2024 г. Той обяви на 19 юни 2026 г., че напуска Google DeepMind след близо девет години, за да се присъедини към Anthropic.
Тук е важно едно уточнение. Ролята на Джъмпър в Anthropic не е обявена, а самият той каза, че първо ще си почине. Присъствието му на самото събитие на 30 юни не е потвърдено от първоизточник. Наетият Нобелов лауреат е сигнал за посока, а не за конкретен продукт. Разгърнатата възможност идва от партньорствата и от новия инструментариум, не от едно име.
Какво означава това за бизнеса
Основната поука надхвърля биологията и се отнася за всяка фирма, която мисли да ползва AI агенти върху свои системи.
- Проверявайте достъпа до данните, преди да търсите по-голям модел. Ако AI дава непостоянни отговори върху вашите данни, причината често е в свързването с базите, не в самия модел.
- Детерминистичен слой носи стабилност. Точен и възпроизводим интерфейс към данните намалява случайността. Това важи за клиентски бази, складови системи и вътрешни справки.
- По-евтин модел с правилния инструмент върши работа. Не всяка задача изисква най-скъпия наличен модел. Правилната връзка към данните тежи повече.
- Изисквайте проследимост. Инструмент, който показва как е стигнал до резултата, позволява проверка. Правдоподобен, но грешен отговор е по-опасен от явна грешка.
Какво следва
Claude Science поставя AI за науката до Claude Code и Claude Cowork като отделна продуктова линия на Anthropic. Ако тенденцията се задържи, следващата вълна инструменти няма да се състезава само по големина на модела. Ще тежи и това колко надеждно моделът се свързва с реалните данни. За фирмите в България полезният въпрос точно сега не е кой модел е най-силен. По-важно е къде живеят вашите данни и колко чисто един агент може да ги достигне.