Anthropic旗下Claude模型在幾乎沒有人類逐步指導的情況下，自主完成一項蛋白質結合物（protein binder）設計實驗，並在獨立實驗室測試中，對15個目標中的14個成功產出有效結合物，命中率達產業平均值的2倍以上——這是目前AI作為自主科學研究夥伴、而非單純輔助工具最具體的案例之一。

根據Anthropic 8月18日發布的研究報告，這項實驗使用Claude Mythos Preview與Claude Opus 4.8兩款模型，設計成果由生物科技公司Adaptyv Bio與Twist Bioscience獨立進行濕實驗室（wet lab）製造與驗證，確保結果不受Anthropic自身測試流程影響。

在48小時的多目標測試模式中，Mythos Preview命中率達26.7%、Opus 4.8達22.6%；若聚焦單一目標、給予24小時作業時間，Mythos Preview的命中率更達到35.1%——相較之下，蛋白質設計產業目前的一般命中率約為10%至15%。在Adaptyv Bio主辦的公開競賽中，Mythos Preview針對RBX1目標的命中率達40%，遠高於人類參賽者平均的3.7%，居冠幅度明顯。整體而言，模型從1320個設計中，產出354個經確認有效的結合物，其中至少6個目標達成高親和力結合、至少4個目標的結果達到或超越目前已發表的最佳紀錄。

不過，Anthropic在報告中特別提醒，蛋白質結合物本身並不等於藥物——從實驗室確認的結合物，到通過臨床試驗的實際藥物，中間仍有漫長的開發流程。實驗中也有目標表現不如預期，例如BBF-14與麥芽糖結合蛋白（maltose-binding protein）的成功率偏低；部分親和力數據也需要更完整的後續檢測才能確認。

AI模型能從海量蛋白質結構與序列資料中學習潛在規律，導致其可在缺乏人類逐步指導的情況下自主生成候選結構，進而透過快速迭代測試篩選出有效結合物，因此才能在數十小時內完成傳統實驗室團隊可能需要數月才能達成的設計與篩選工作。

數據重點
命中率：Claude Mythos Preview在單目標模式下達35.1%，是產業平均10%至15%的2倍以上；15個測試目標中14個成功產出有效結合物

這項實驗是Anthropic今年持續推動「AI用於科學」方向的最新成果，也是Mythos模型系列首次在同行審查外部驗證下，展現接近自主科研的能力。

來源參考

1. How Claude is accelerating protein design and analytical chemistry — Anthropic, 2026-08-18

2. Claude Runs Autonomous Protein Design Campaign: Wet Lab Confirms Twice Industry Hit Rate — Tech Times, 2026-08-20

以上為資訊分享，不構成投資建議。