AI 뉴스 · 과학 도구 최적화
클로드의 생체분자 모델 가속, 4배라는 숫자의 조건
앤트로픽은 내부 연구용 클로드로 생체분자 관련 모델 30개 이상을 최적화했다고 발표했습니다. 평균 약 4배는 정밀도를 소폭 희생한 조건의 자체 연구 결과이며, 출력이 동일한 조건에서는 거의 2배였습니다.
이 글에서 다룰 내용
내부 연구 모델과 감독, 평균 가속의 정밀도 조건, FlashPairformer, Big 모드의 성과와 한계, 공개 코드와 연구 지원
클로드가 바꾼 것은 과학 도구의 실행 코드입니다
AI가 신약을 완성했다는 소식보다는, 연구자가 쓰는 계산 도구를 더 효율적으로 고쳤다는 소식에 가깝습니다. Anthropic은 2026년 9월 17일, 클로드를 활용해 생체분자 모델링 도구의 속도와 메모리 효율을 개선한 연구를 발표했습니다.
Claude Science 안에서 작업한 내부 범용 연구용 모델은 4주 미만에 오픈소스 모델 30개 이상을 최적화했습니다. 대상은 생체분자 구조 예측과 단백질 설계뿐 아니라 유전체학, 단백질 언어 모델까지 포함합니다.
감독은 생체분자 모델링 경험이 있는 회사 기술진 두 명이 맡았습니다. 두 사람 모두 추론 최적화나 커널 엔지니어링 경험은 없었다고 합니다. AI 연구 자동화가 연구 도구의 실행 코드를 정비하는 작업까지 맡은 사례입니다.
이번 전체 작업을 특정 판매 중인 클로드 버전의 성과로 단정해서는 안 됩니다. 앞서 발표된 Mythos 5.1의 7개 모델 최적화 결과와도 구분되는 내부 연구 모델의 성과입니다.
평균 약 4배, 어떤 조건에서 빨라졌을까요?
가장 중요한 숫자는 두 가지입니다. 공식 본문의 전체 모델·작업 요약에 따르면 정밀도를 소폭 희생한 조건에서는 평균 약 4배, 출력이 동일한 조건에서는 거의 2배의 가속을 얻었습니다.
여기서 ‘평균’은 모든 모델이 똑같이 빨라졌다는 뜻이 아닙니다. 또한 계산의 정밀도를 일부 조정한 결과와 기존 출력을 그대로 유지한 결과를 같은 수치로 소개하면 의미가 달라집니다.
쉽게 말해, 속도를 얼마나 높였는지와 결과를 얼마나 엄격하게 보존했는지를 함께 봐야 합니다. 연구자가 도입을 검토한다면 자신의 모델과 입력 크기, 하드웨어에서 두 조건을 나눠 비교하는 편이 적절합니다.
이번 결과는 Anthropic의 자체 연구 보고입니다. 독립적인 재현이나 신약 승인 성과를 뜻하지 않으며, 처리 속도와 과학적 예측의 정확성은 별도로 평가해야 합니다. 모델 실행이 빨라졌다고 신약 개발 전체 기간까지 같은 비율로 줄어드는 것은 아닙니다.
FlashPairformer와 추론 최적화의 역할
이미 학습된 모델이 입력을 받아 결과를 계산하는 과정을 ‘추론’이라고 합니다. 이번 추론 최적화는 새로운 생물학 모델을 처음부터 만드는 대신, 기존 모델이 계산하는 방식을 더 효율적으로 손보는 작업입니다.
대표적인 결과물이 FlashPairformer입니다. 생체분자 구조 예측에 쓰이는 주요 연산을 빠르게 처리하도록 만든 GPU 커널 묶음입니다. 커널은 GPU가 실제 작업을 수행하도록 하는 저수준 코드라고 이해하면 쉽습니다.
모델별 실행 코드도 함께 수정했습니다. 같은 계산을 반복하지 않도록 결과를 저장해 재사용하는 캐싱을 적용하고, 불필요한 코드 경로를 단순화했습니다.
계산 과정의 중복 작업을 줄여 연구자가 결과를 기다리는 부담을 덜려는 접근입니다.
Big 모드, 큰 계산과 정확한 예측의 차이
속도와 함께 개선한 부분은 메모리 사용량입니다. 저메모리 ‘Big’ 모드는 1만 토큰이 넘는 일부 생체분자 시스템의 구조를 단일 NVIDIA GPU 노드에서 정확하게 예측하도록 했습니다.
여기서 토큰은 챗봇이 문장을 나눌 때 쓰는 토큰과 다릅니다. 아미노산, 뉴클레오타이드, 소분자나 이온의 원자 등을 나타내는 단위입니다. 따라서 이 숫자를 챗봇의 긴 문서 처리 능력과 직접 비교하기는 어렵습니다.
하드웨어 단위도 주의해야 합니다. 단일 GPU 노드는 GPU 한 장을 뜻하지 않습니다. 여러 GPU가 들어 있는 하나의 서버 단위일 수 있어, 개인 PC에서도 같은 작업이 가능해졌다는 의미로 읽으면 곤란합니다.
더 큰 규모의 시험에는 GPU 8개를 탑재한 B300 노드 하나가 사용됐습니다. 3만1000~7만 토큰 초과 규모의 시스템에서 추론을 실행했지만, 해당 구조를 정확히 예측하지는 못했습니다.
이 결과의 의미는 계산을 시도할 수 있는 규모가 커졌다는 데 있습니다. 메모리 장벽을 낮추는 성과와 모델이 생물학적으로 올바른 답을 내는 성과는 서로 다른 단계입니다.
공개된 코드, 다음 단계는 조건별 검증입니다
최적화 코드는 공식 GitHub 저장소 anthropics/uplifting-biomolecular-modeling에 오픈소스로 공개됐습니다. 공개 대상은 과학 모델의 최적화 코드이지, 작업을 수행한 클로드 내부 연구 모델의 가중치가 아닙니다. Claude 제품 전체를 무료로 제공한다는 발표도 아닙니다.
연구자에게는 자신의 조건에서 성능을 확인할 출발점이 생긴 셈입니다. 공개 코드를 바탕으로 실행 시간과 메모리 사용량, 출력 차이를 살펴봐야 실제 활용 가치가 드러납니다.
Anthropic은 Adaptyv Bio와 단백질 설계 경진대회도 공동 지원합니다. Anthropic은 최대 100만 달러 상당의 Claude 크레딧을, Modal은 최대 25만 달러 상당의 컴퓨팅 크레딧을 제공한다고 발표했습니다.
5000개가 넘는 제출 설계를 실험실에서 검증하도록 지원할 계획입니다. 앞의 두 금액은 현금 상금이 아니라 서비스 이용 크레딧이며, 실험 검증 역시 이미 끝난 성과가 아닌 앞으로의 계획입니다.
이번 발표의 중심은 기존 과학 도구를 더 효율적으로 실행하고, 그 코드를 외부 연구자가 검토할 수 있게 했다는 데 있습니다. 평균 가속의 조건, GPU 노드의 구성, 공개 범위를 함께 확인하면 성과와 한계를 균형 있게 이해할 수 있습니다.
한 줄 요약: 클로드의 평균 약 4배 가속은 정밀도 조건이 붙는 결과이며, 단일 노드는 GPU 한 장이 아니고 공개된 것은 최적화 코드입니다.
참고 출처
2026년 9월 17일 Anthropic 공식 연구 발표를 기준으로 작성했습니다. 성능 수치는 회사 자체 연구의 조건별 결과이며, 임상 효과나 모든 환경의 동일 성능을 뜻하지 않습니다.
감자나라 AI 강의보기 5,000 
