NYTT

Claude Science samlar källor, kod och kontroll

Anthropic har släppt en forskningsarbetsyta i beta. Den samlar litteratursökning, kod, figurer och granskningshistorik, men forskaren behöver fortfarande kontrollera resultat och datavägar.

Publicerad 25 juli 2026, 11.08

AI-genererad illustration av en forskare som granskar en spårbar kedja från källor via kod till diagram och kontrollhistorik.

Anthropic har släppt Claude Science, en AI-arbetsyta för vetenskaplig forskning. Tjänsten samlar bland annat litteratursökning, kod, figurer och anslutningar till forskningsdatabaser i samma miljö.

Varje resultat får enligt Anthropic en granskningshistorik. En figur kan kopplas till koden och miljön som skapade den, en beskrivning av arbetsgången och den tidigare konversationen. Det ska göra det lättare att följa hur ett resultat har tagits fram och att upprepa analysen.

Claude Science kan köras lokalt på macOS och Linux eller anslutas till en fjärrdator och ett beräkningskluster. Anthropic uppger att stora dataset kan stanna i forskarens egen miljö och att bara den kontext som behövs för ett steg skickas till Claude.

Det löftet ersätter inte en egen kontroll av avtal, behörigheter och dataflöden. En forskningsorganisation behöver fortfarande avgöra vilket material som får användas, vem som kan ansluta externa resurser och hur resultat ska valideras.

Tjänsten är i beta för Claude Pro, Max, Team och Enterprise. Team- och Enterprise-konton kräver att en administratör aktiverar den. Anthropic beskriver även en granskningsagent som kan flagga felaktiga källhänvisningar och beräkningar, men en automatisk kontroll är inte samma sak som oberoende vetenskaplig granskning.

Den sparade Instagram-signalen påstod också att Anthropic skulle utveckla egna läkemedel. Det stöds inte av Anthropics produktbesked och ingår därför inte i AI Kollens rapportering.

Varför det spelar roll

När AI hjälper till med forskning räcker det inte att slutresultatet ser övertygande ut. Källan, beräkningen, koden och varje ändring behöver gå att följa. Samma princip är användbar även i mindre verksamheter som använder AI för analys och rapporter.

Gör så här

  1. Kontrollera vilka data som lämnar den egna miljön innan tjänsten aktiveras.
  2. Kräv att figurer och slutsatser kan spåras till källor, kod och beräkningar.
  3. Låt en ansvarig människa granska resultatet innan det används i forskning eller beslut.