앤트로픽, 과학 연구용 클로드 앱 '클로드 사이언스' 공개

• 앤트로픽이 'Claude Science'라는 과학 연구용 공개 베타 앱을 내놨음

  • 중요한 건 이게 새 Claude 모델이 아니라는 점임
  • 기존 Claude 모델 위에 과학 도구, 데이터베이스 연결, 계산 환경 관리, 재현성 추적을 붙인 연구용 워크벤치에 가까움

• 타깃은 그냥 논문 요약이 아니라, 실제 연구 분석 전체 흐름임

  • 데이터 정리부터 분석, 그림 생성, 표 작성, 노트북 실행, 논문 작성용 결과 정리까지 한 환경에서 이어가게 하려는 그림임
  • 단백질 구조, 분자, 유전체 트랙, 정렬 결과, PDF 같은 과학 데이터를 앱 안에서 네이티브 형태로 볼 수 있다고 함

• 가장 밀고 있는 포인트는 '재현 가능한 과학 결과물'임

  • 그림, 표, 노트북에는 그걸 만든 정확한 코드, 실행 환경, 대화 기록이 같이 붙음
  • 몇 달 뒤에도 팀원이 같은 결과를 다시 만들고, 수정하고, 방어할 수 있게 하겠다는 얘기임
  • 백그라운드 리뷰어가 잘못된 인용, 추적 불가능한 숫자, 코드와 맞지 않는 그림도 잡아준다고 함

• 계산 환경도 꽤 직접적으로 만짐

  • 로컬 노트북, 리눅스 머신, HPC 로그인 노드, 클라우드 VM에 설치할 수 있음
  • SSH로 자기 머신이나 HPC 클러스터에 접속해 배치 스크립트를 쓰고 작업을 제출·관리한다고 함
  • Slurm 클러스터나 Modal 계정도 실행 대상으로 언급됨
  • 변수, 데이터프레임, 로드된 모델을 분석 세션 전체에서 메모리에 유지해 반복 작업을 빠르게 만드는 방식도 들어감

• 생명과학 쪽 도메인 프리셋이 꽤 노골적임

  • 유전체학, 단일세포 분석, 단백질체학, 구조생물학, 화학정보학 등을 바로 쓸 수 있는 영역으로 제시함
  • 60개 이상의 과학 데이터베이스를 질의할 수 있고, 각 데이터베이스 사용법을 일일이 익히지 않아도 필요한 정보를 가져오는 흐름을 노림
  • PubMed, Benchling, BioRender, ChEMBL, Open Targets 같은 연구 도구·데이터 소스 로고도 함께 제시됨

• 예시 워크플로우도 완전 생명과학 연구실 기준임

  • 단일세포 RNA 시퀀싱에서는 수백만 개 세포를 클러스터링하고 주석을 달며, 각 그림이 어떤 코드에서 나왔는지 추적함
  • 계통·진화 분석에서는 ortholog 정렬, 최대우도 계통수 추론, 기능성 잔기 매핑을 한 세션에서 처리한다고 함
  • 단백질 구조 작업에서는 예측 구조를 가져오고 도메인·임상 변이를 얹은 뒤 3D로 탐색함
  • 화학정보학에서는 생물활성 데이터를 찾고, 물성·유사도를 계산하고, 2D 스케처에서 구조를 그리거나 수정함

• 기존 연구실 스택을 갈아엎으라는 제품은 아님

  • 내부 API, 전자연구노트(ELN), 자체 파이프라인을 커넥터로 붙일 수 있다고 설명함
  • 기존 Python, R, 셸 워크플로우를 읽고 실행하고 확장할 수 있다고 함
  • 저장한 파이프라인은 재사용 가능한 스킬로 만들 수 있고, 이후 세션에서 자동으로 이어받는 구조임

• 데이터 처리 방식은 '내 인프라에서 실행'을 강조함

  • 원본 데이터셋과 계산은 로컬 또는 조직 인프라에 남는다고 설명함
  • 다만 프롬프트와 모델 응답에 포함된 콘텐츠는 Anthropic의 표준 보존 정책에 따라 처리된다고 함
  • 민감한 연구 데이터나 기업 R&D 데이터라면 이 지점은 계약과 보안 검토가 필요해 보임

• 사용 가능 범위는 베타 기준으로 macOS와 Linux임

  • Pro, Max, Team, Enterprise 플랜에서 쓸 수 있음
  • Team과 Enterprise 사용자는 관리자가 먼저 활성화해야 함
  • Enterprise는 SSO, SCIM 프로비저닝, 커스텀 역할, 사용량 분석을 지원한다고 함

• 연구실 할인 플랜도 따로 언급됨

  • 학술기관과 비영리 연구기관의 활성 과학 연구실이 대상임
  • 생명의학과 기초과학 연구실을 우선순위로 두고, 화학·수학·컴퓨터과학·물리학 같은 하드사이언스도 포함함
  • 자격은 연구책임자 기준으로 확인한다고 함

• 개발자 관점에서 보면, 이건 '범용 챗봇'에서 '도메인 운영체제'로 가는 흐름임

  • LLM 자체 성능보다 더 중요한 건 어떤 도구를 연결하고, 어떤 실행 권한을 주고, 어떤 감사 로그를 남기느냐가 됨
  • 특히 과학 연구처럼 재현성·출처·계산 환경이 핵심인 분야에서는 답변 품질만으로는 제품이 안 됨

---

기술 맥락

• Claude Science가 새 모델이 아니라 앱이라는 점이 중요해요. 모델 성능 경쟁만으로는 연구실 업무를 못 끝내거든요. 실제 연구자는 논문을 읽는 것보다 데이터베이스를 뒤지고, 스크립트를 돌리고, 결과 그림을 만들고, 그 결과가 어디서 왔는지 증명하는 데 시간을 많이 써요.

• 그래서 이 제품은 LLM을 대화창에 가두지 않고 계산 환경으로 끌고 들어와요. 로컬 머신, 리눅스 서버, HPC 로그인 노드, Slurm 클러스터, Modal 같은 실행 대상에 붙는 이유도 여기에 있어요. 연구 데이터는 크고 계산은 무겁기 때문에 브라우저 안에서 예쁘게 답하는 것만으로는 부족하거든요.

• Provenance를 결과물마다 붙이는 설계도 과학 도메인에서는 꽤 현실적인 선택이에요. AI가 만든 표나 그림이 그럴듯해도, 어떤 코드와 환경에서 나왔는지 모르면 논문이나 리뷰 단계에서 바로 막혀요. 그래서 코드, 환경, 대화 기록, 설명을 같이 남겨 검증 가능한 산출물로 만들려는 거예요.

• 커넥터와 스킬 구조는 기존 연구실 자산을 살리기 위한 선택으로 보여요. 연구실마다 이미 쓰는 Python, R, 셸 스크립트와 내부 API, ELN, 데이터베이스가 다르기 때문에 새 플랫폼으로 전부 갈아타라고 하면 도입이 어렵거든요. Claude Science는 그 위에 얹혀서 반복 작업을 자동화하는 방향을 택한 셈이에요.