Коротко (TL;DR)
Claude Science — це дослідницький «робочий стіл» (workbench) від Anthropic, запущений у беті 30 червня 2026 року. Головне, що варто зрозуміти одразу: це не нова модель, а середовище, яке прибирає мороку з інтеграціями навколо вже наявних моделей Claude (включно з Opus 4.8). Замість того щоб вручну стрибати між десятками наукових баз даних, кластерами й розрізненими скриптами, науковець працює в одному вікні, де ШІ-агент сам ходить по даних, запускає код і перевіряє результат окремим агентом-рев’юером.
Короткий вердикт:
- Кому підходить: обчислювальним біологам і лабораторіям зі своєю інфраструктурою (HPC-кластери, приватні дані, готові пайплайни).
- Кому надмірно: одиночному досліднику без своїх даних і обчислень, а також гуманітарним і точним наукам поза біологією — продукт заточений під life sciences.
- Ціна: входить у платні плани Claude (Pro — від $17/міс за річної оплати на 1 липня 2026 року); для лабораторій є окремий план зі знижкою. Безкоштовного доступу немає.
- Головні конкуренти: OpenAI GPT-Rosalind і Google Gemini for Science — але стратегії в усіх трьох принципово різні (розбір у таблиці нижче).
Продукт у беті — тарифи і функції швидко змінюються, тож ключові цифри нижче подані з датою перевірки; звіряйтеся з офіційним сайтом.
Що це і що вміє
Claude Science — це застосунок (workbench), а не мовна модель. Воно дає науковцю єдине середовище для обчислювальних досліджень і спирається на поточні моделі Claude, включно з топовою Opus 4.8 (дешевший для агентів варіант тієї самої родини ми розбирали в огляді Claude Sonnet 5). Anthropic прямо робить ставку на workflow, а не на «ще одну модель для науки», — це ключова відмінність підходу (за даними офіційного анонсу і TechCrunch, 30 червня 2026 року).
З чого складається середовище:
- Доступ до 60+ наукових баз даних без ручного налаштування конекторів (дані офіційного анонсу Anthropic + TechCrunch).
- Персистентні середовища для коду: ядра Python і R живуть між кроками, агент може запускати задачі на HPC-кластері через SSH — тобто працювати не в пісочниці, а на реальній інфраструктурі лабораторії.
- Архітектура з трьох шарів: координатор ставить задачу, суб-агенти її виконують, а окремий агент-рев’юер перевіряє хід міркувань і провенанс (звідки взялася кожна цифра чи посилання).
- Інтеграція з NVIDIA BioNeMo Agent Toolkit: доступ до спеціалізованих біомоделей Evo 2, Boltz-2 і OpenFold3 (спільний анонс Anthropic і NVIDIA).
- Дані не залишають лабораторію — середовище працює поверх вашої інфраструктури, а не заливає датасети в хмару (заява Anthropic).
Працює Claude Science у беті на macOS і Linux. Влучну аналогію в перші дні підказала спільнота Reddit — «це Claude Code, але для наукових досліджень»: той самий принцип агента, який сам ходить по інструментах, тільки замість репозиторію коду — бази, пайплайни та HPC.
Не плутайте з Claude for Life Sciences. Це різні продукти. Claude for Life Sciences — попередник, вийшов у жовтні 2025 року й працював на Sonnet 4.5 (дані SiliconANGLE і TechCrunch). Claude Science — ширший workbench-продукт, анонсований у червні 2026 року. Плутанина в пошуку трапляється часто, тому важливо дивитися на дату й назву.
Щоб зрозуміти, за що тут платять, корисно уявити типовий день обчислювального біолога до Claude Science: вивантаження з однієї бази, конвертація форматів, запуск скрипта на кластері через SSH, ручне перенесення результату в інший інструмент, повторна звірка. Кожен стик — джерело помилок і втраченого часу. Claude Science бере ці стики на себе: агент сам звертається до баз, тримає живі ядра Python і R між кроками й запускає важкі задачі на HPC, а людина контролює логіку, а не рутину перенесення даних. Саме це Anthropic і називає ставкою на workflow, а не на модель.
Провенанс і «флот» застосунків
Окремої уваги заслуговує механізм провенансу. Claude Science не просто видає відповідь — агент-рев’юер відстежує, звідки взялася кожна цифра, посилання та проміжний висновок, і позначає кроки, які не вдається підтвердити. Для науки це принципово: результат без ланцюжка «звідки дані» марний. Межі цього механізму розберемо в розділі ризиків, але сам факт, що провенанс вбудований у продукт, а не залишений на совість користувача, відрізняє Claude Science від звичайного чат-бота.
Сам продукт укладається в помітний патерн Anthropic, який відзначали у спільноті в перші дні після анонсу: компанія системно будує «флот» вертикальних застосунків поверх тих самих моделей — за зразком уже відомого Claude Code для програмістів тепер з’явився Claude Science для науковців. Логіка одна: базова модель уже достатньо сильна, і далі цінність створює не нова модель, а готове оточення під конкретну професію.
Як це працює на реальних задачах
Продукт у закритій беті й потребує платного плану, тож замість синтетичного тесту розберемо задокументовані кейси лабораторій — із чесною позначкою, що це клієнтські історії, надані разом з анонсом.
- Allen Institute (Джером Лекок). Один огляд літератури раніше міг тривати в команди до двох років; тепер, за кейсом Anthropic, таких готових оглядів у неї вже близько десяти. Агент використав близько 20 «скілів» (готових сценаріїв-інструкцій), частина з яких — документи обсягом понад 100 сторінок (дані Anthropic + TechCrunch). Це ілюстрація не «магії», а того, що середовище знімає рутину інтеграції: агент сам збирає і зшиває розрізнені джерела в єдиний розбір.
- UCSF (лабораторія Френсіса). Германлайн-аналіз (пошук успадкованих, а не набутих, мутацій у ДНК пацієнта) при гліомі, за заявою Anthropic, прискорився приблизно в 10 разів і був незалежно валідований сторонніми фахівцями (дані Anthropic і claude.com). Позначка про незалежну перевірку тут важлива: саме вона відрізняє вимірюваний результат від вендорської обіцянки.
Що з цього випливає практично: Claude Science сильний там, де вузьке місце — не мислення, а склейка інструментів. Якщо дослідження впирається в те, що дані лежать у 60 різних місцях, а розрахунки треба ганяти на кластері, середовище економить тижні. Якщо ж задача — вигадати гіпотезу з нуля, ШІ лишається помічником, а не автором.
Варто прикинути й економіку — цього розрахунку немає в жодному огляді-конкуренті. Знижковий Team-план коштує $15 за місце на місяць за тарифом Standard (на 1 липня 2026 року); для групи з чотирьох осіб це $60 на місяць, близько $720 на рік. На тлі вартості навіть кількох годин простою HPC-кластера чи тижнів ручного огляду літератури сума невелика — але лише за умови, що в лабораторії є та сама інфраструктура і дані, заради яких продукт створено. Для групи без своїх пайплайнів ті самі гроші не окупляться: платити доведеться за можливості, які не задіюються.
Тарифи і ліміти
Claude Science не продається окремо — він входить у платні плани Claude. Нижче — лінійка на 1 липня 2026 року (джерело — офіційний прайсинг claude.com; ціни сервісу волатильні, звіряйтеся з датою).План Ціна (на 1 липня 2026) Для кого Free — Claude Science недоступний Pro $17/міс за річної оплати (або $20 помісячно) одиночний дослідник Max від $100/міс важкі навантаження, пріоритет Team / Enterprise за запитом команди й організації Team для лабораторій Standard $15/місце, Premium $75/місце (мін. 2 місця) верифіковані наукові групи
Окремо варто виділити два «наукові» механізми:
- Знижковий Team-план для лабораторій. Потребує верифікації PI (керівника дослідження) і дає пріоритет біомедицині та точним наукам. Ціни $15 і $75 за місце вказані лише на офіційній сторінці програми Anthropic — сторонні огляди підтверджують сам факт знижки, але не передруковують цифри, тож беремо їх із явною атрибуцією і датою (claude.com, 30 червня 2026 року).
- Грантова програма AI for Science. Anthropic обіцяє підтримати до 50 проєктів, видаючи до $30 000 кредитів на проєкт. Дедлайн подання заявок — 15 липня 2026 року (дані Anthropic + TechCrunch). Для лабораторії без бюджету це реальний спосіб спробувати інструмент безкоштовно.
Доступ за регіонами. На 1 липня 2026 року Україна є в списку підтримуваних країн Anthropic (крім тимчасово окупованих територій), Росія — ні (офіційна сторінка підтримуваних країн Anthropic, підтверджено Mezha.ua). Це важливий момент для нашої аудиторії: українські лабораторії технічно можуть підключитися, російським доступ закритий.
Проти альтернатив
Тут — головний сенс цього огляду. Три великі лабораторії вийшли на «ШІ для науки» майже одночасно, але обрали три різні стратегії, і зведеної таблиці за однаковими критеріями немає в жодному знайденому джерелі. Зібрали її самі (дані — офіційні анонси кожної компанії, дати в таблиці).Критерій Claude Science (Anthropic) GPT-Rosalind (OpenAI) Gemini for Science (Google) Robin (FutureHouse) Що це Workbench поверх моделей Claude Спеціалізована модель Моделі + середовище Агент літ-огляду/гіпотез Модель чи середовище Середовище (workflow) Модель Модель + доступ Агентний пайплайн Доступ Широкий, за підпискою Вузький, гейтед Експериментальний / приватний превʼю Відкритий інструмент Бази даних 60+ 50+ (через безкоштовний плагін) 30+ — Ключовий актив Усунення інтеграційного тертя Спец-модель під задачі Власні наукові моделі (AlphaFold, AlphaGenome) Швидкість літ-огляду Дата 30 червня 2026 16 квітня 2026 19 травня 2026 19 травня 2026
Читається це так: Anthropic продає зручність (широкий доступ до workflow за підпискою), OpenAI — ексклюзивність (вузький доступ до спеціальної моделі GPT-Rosalind), а Google — фундамент (володіє AlphaFold і AlphaGenome — активами, які конкурентам не відтворити). FutureHouse Robin стоїть осібно як вузькоспеціалізований агент: за даними Ars Technica з посиланням на Nature, він опрацював 551 статтю за 30 хвилин проти приблизно 540 людино-годин — але це інструмент однієї задачі, а не середовище.
Варто тримати в умі й інструменти іншого класу — наприклад, Elicit, який індексує понад 125 млн статей і коштує $12–40 на місяць (дані elicit.com на 18 червня 2026 року; заявлене число користувачів у сервісу розходиться між джерелами — від 2 до 5 млн, тож беремо його з обережністю). Це не workbench і не прямий конкурент Claude Science, але для чистого огляду літератури він часто дешевший і простіший. Claude Science виграє не там, де треба «знайти статті», а там, де треба зв’язати пошук, дані й обчислення в один відтворюваний процес.
Кому що обрати
- Обчислювальному біологу в лабораторії з HPC і приватними даними — пряме влучення. Claude Science знімає саме той біль, заради якого створений: дані в 60 місцях, розрахунки на кластері, потрібен провенанс кожної цифри.
- Одиночному досліднику без своєї інфраструктури — імовірно, надмірно й дорого. Якщо немає власних пайплайнів і HPC, більша частина цінності продукту не задіюється; звичайного Claude Pro для літератури й аналізу може вистачити.
- Гуманітарним і точним наукам поза біологією — продукт заточений під life sciences, хоча грантова програма відкрита ширше. Варто подавати на грант і перевіряти на своїй задачі, але чекати «біомедичного» рівня інтеграцій не випадає.
- Тим, кому потрібна саме спец-модель під задачу, а не середовище, — логічніше дивитися в бік GPT-Rosalind; кому важливі фундаментальні моделі структури білків — Gemini for Science.
Загальне правило: чим більше у вашій роботі стиків між даними, кодом і обчисленнями, тим сильніший виграш від Claude Science; чим ближча задача до «прочитати й узагальнити», тим менша різниця зі звичайним Claude чи дешевими літ-оглядовими сервісами. Знижує ціну помилки бета-формат: до 15 липня 2026 року відкрито приймання заявок на грантові кредити (до $30 000), і це можливість перевірити інструмент на своїй реальній задачі ще до оформлення платної підписки.
Ризики та обмеження
Розділ, якого немає у захоплених переказів анонсу. Claude Science — сильний інструмент, але в нього є чесні слабкі місця, особливо важливі для YMYL-теми на кшталт науки.
- Агент-рев’юер перевіряє ту саму модель собою ж. Це ключове застереження, яке прямо визнає TechCrunch: «рев’юер» — не незалежне джерело істини, а той самий базовий Claude, що дивиться на свою роботу. Це корисно для відлову явних помилок, але не замінює рецензування і не гарантує відсутність галюцинацій.
- Галузевий тренд фабрикованих посилань. Навіщо взагалі потрібен агент-рев’юер, показує контекст: частка статей на PubMed із фабрикованим (ШІ-згенерованим) посиланням зросла з 1 з 2828 у 2023 році до 1 з 277 на початку 2026 року — близько 146 900 фейкових посилань за 2025 рік (дані Retraction Watch і STAT News). Наочний якір ризику: у системі-аналозі Robin заміна спеціалізованого інструмента пошуку літератури на «голу» LLM підняла частку галюцинованих посилань з 0% до 45% (Ars Technica з посиланням на Nature, 19 травня 2026 року). Висновок простий: конектори і рев’юер знижують ризик, але не скасовують обов’язкову ручну звірку джерел.
- Бета-статус і вузький фокус. Продукт у беті, доступний на macOS і Linux, заточений під біомедицину. Для інших дисциплін це радше експеримент, ніж готове рішення.
- Вертикальна інтеграція і конфлікт інтересів. Anthropic анонсувала Claude Science майже одночасно із запуском власної програми доклінічної розробки ліків від «забутих» хвороб (дані CNBC і Endpoints News, 30 червня 2026 року). Компанія водночас продає інструмент науковцям і сама виходить у ту саму предметну область — це не скандал, але чинник, який варто тримати в голові.
- Частина цифр — вендорські. Заява NVIDIA, що BioNeMo використовують 18 із 20 найбільших фармкомпаній (за даними NVIDIA на 30 червня 2026 року), — самозаявлена метрика вендора, а не незалежна перевірка. Такі числа подаємо як «за даними компанії».
Плюс у скарбничку довіри: те, що дані не залишають інфраструктуру лабораторії, — реальна перевага з приватності, особливо для чутливих біомедичних датасетів.
Практичний висновок для роботи: ставтеся до висновків Claude Science як до чернетки з провенансом, а не як до готового результату. Ключові посилання й цифри — особливо ті, що підуть у публікацію чи заявку на грант, — варто перевіряти вручну, відкриваючи першоджерело, а не покладаючись на те, що агент їх «підтвердив» своїм же рев’юером. Вбудований провенанс спрощує цю звірку, показуючи ланцюжок «звідки дані», але саму відповідальність за неї з дослідника не знімає. Це не претензія саме до Claude Science — те саме справедливо для будь-якого наукового ШІ-інструмента; просто в YMYL-царині ціна неперевіреної помилки вища.
FAQ
Claude Science — це модель чи застосунок? Застосунок (workbench). Воно не є окремою моделлю і працює поверх наявних моделей Claude, включно з Opus 4.8. Ставка Anthropic — на workflow, а не на нову модель.
Чи є безкоштовний доступ? Ні. Claude Science входить лише в платні плани (Pro від $17/міс за річної оплати на 1 липня 2026 року й вище). Для лабораторій є знижковий Team-план і грантова програма AI for Science з дедлайном 15 липня 2026 року.
Чи доступний Claude Science з України та Росії? Україна є в списку підтримуваних країн Anthropic (крім тимчасово окупованих територій) на 1 липня 2026 року; Росія у списку відсутня. Точну доступність визначає сам Anthropic — звіряйтеся з офіційною сторінкою підтримуваних країн.
Чим Claude Science відрізняється від Claude for Life Sciences? Claude for Life Sciences — попередник, вийшов у жовтні 2025 року на Sonnet 4.5. Claude Science — ширший workbench, анонсований у червні 2026 року. Це різні продукти, їх легко переплутати в пошуку.
Чи замінить Claude Science рецензування або самого науковця? Ні. Агент-рев’юер — це та сама модель, що перевіряє себе, а не незалежна експертиза (пряме застереження TechCrunch). Інструмент прискорює рутину та інтеграцію даних, але підсумкову відповідальність за перевірку джерел і висновків несе дослідник.
Claude Science чи GPT-Rosalind — що обрати? Залежить від того, що потрібно. Claude Science — це середовище для роботи з даними й обчисленнями за підпискою; GPT-Rosalind — спеціалізована модель OpenAI з вузьким гейтед-доступом. Якщо вузьке місце — інтеграція інструментів, ближче Anthropic; якщо потрібна саме спец-модель — OpenAI. Для контексту щодо фронтир-моделей Anthropic дивіться наш розбір зняття обмежень з Fable 5 і Mythos 5.
Чим Claude Science відрізняється від звичайного Claude Pro? Той самий рушій (моделі Claude), але різне оточення. У звичайному Claude ви вручну приносите дані й копіюєте результати. Claude Science додає конектори до 60+ наукових баз, персистентні ядра Python і R, запуск задач на HPC-кластері й агента-рев’юера з провенансом. Якщо ваша робота — це зв’язка даних, коду й обчислень, різниця відчутна; якщо ви переважно пишете й аналізуєте тексти, звичайного Pro, найпевніше, достатньо.
