Anthropic เปิด Claude Science — เวิร์กเบนช์ AI สำหรับนักวิจัย: เอเจนต์ประสานงาน 60+ สกิล รันบนเครื่องแล็บเอง ตรวจงานตัวเองได้

เมื่อวันที่ 30 มิถุนายน 2026 Anthropic เปิดตัว Claude Science ที่บริษัทเรียกว่า “เวิร์กเบนช์ AI สำหรับนักวิทยาศาสตร์” — ตัวกลางที่รวมฐานข้อมูล เครื่องมือรันโค้ด และทรัพยากรคำนวณที่นักวิจัยต้องสลับใช้ทุกวัน เข้ามาไว้ในที่เดียว แล้วให้เอเจนต์ AI เคลื่อนที่ข้ามเครื่องมือเหล่านั้นแทน: อ่านและสังเคราะห์งานวิจัย รันการวิเคราะห์แบบหลายขั้น ไปจนถึงขัดเกลารูปและต้นฉบับจนพร้อมตีพิมพ์

จุดที่ต้องเน้นให้ชัดคือ นี่ไม่ใช่โมเดลใหม่ Claude Science รันบนโมเดล Claude ที่มีอยู่แล้ว รวมถึง Opus 4.8 โดยไม่ต้องขอสิทธิ์พิเศษใด ๆ สิ่งที่ใหม่คือการ “ห่อ” agentic workflow ให้กลายเป็นผลิตภัณฑ์แนวตั้ง (vertical) สำหรับสายวิทยาศาสตร์และเภสัชโดยเฉพาะ — เป็นการต่อยอดแพตเทิร์น “Claude Code แต่สำหรับงาน X” ที่ Anthropic เดินมาตลอด

เอเจนต์สองชั้น: ตัวประสานงาน + ตัวตรวจทาน

หัวใจของ Claude Science คือสถาปัตยกรรมเอเจนต์สองชั้นที่ทำงานเสริมกัน

• เอเจนต์ประสานงาน (coordinating agent): เข้าถึง สกิลที่คัดมาแล้วกว่า 60 ตัว ครอบคลุมสาขา genomics, single-cell, proteomics, structural biology, cheminformatics และอื่น ๆ มันสามารถ “เปิด” เอเจนต์ผู้เชี่ยวชาญเฉพาะทางขึ้นมาช่วยงาน และบริหาร workflow ที่ทอดยาวหลายขั้นตอนได้เอง
• เอเจนต์ตรวจทาน (reviewer agent): คอยเช็ก การอ้างอิงและการคำนวณ ไล่จับจุดผิดแล้วแก้ให้ — เป็นกลไก self-correction ที่ตอบโจทย์ความกังวลอันดับหนึ่งของนักวิจัยเวลาใช้ LLM คือ “มันมั่ว (hallucinate) รึเปล่า”

โครงสร้างนี้สะท้อนทิศทางเดียวกับที่วงการ agent กำลังมุ่งไป — ไม่ใช่เอเจนต์เดี่ยวที่ทำทุกอย่าง แต่เป็นทีมเอเจนต์ที่มีตัวหนึ่งคอยตรวจงานของอีกตัว

รันบนเครื่องแล็บเอง — ข้อมูลไม่ออกนอกองค์กร

จุดที่น่าสนใจสำหรับสาย engineering คือ Claude Science รันบนโครงสร้างพื้นฐานของแล็บเอง — ไม่ว่าจะเป็นแล็ปท็อป เครื่อง Linux หรือ login node ของคลัสเตอร์ HPC พร้อมรองรับ SSH และการเชื่อมกับคลัสเตอร์ HPC โดยตรง นั่นแปลว่าข้อมูลวิจัยที่อ่อนไหว (ข้อมูลผู้ป่วย ลำดับพันธุกรรม สูตรโมเลกุลที่ยังไม่เผยแพร่) ไม่ต้องถูกอัปโหลดขึ้นคลาวด์

ด้านการเชื่อมต่อ Claude Science มาพร้อมการรวมกับ NVIDIA BioNeMo (รวมโมเดลอย่าง Evo 2, Boltz-2, OpenFold3) และต่อเข้ากับ ฐานข้อมูลวิทยาศาสตร์กว่า 60 แหล่ง เช่น UniProt, PDB และ Ensembl มันยังเรนเดอร์ artifact เชิงวิทย์ได้ในตัว เช่น โครงสร้างโปรตีน 3 มิติ หรือ track ของ genome browser

จุดขายที่แท้จริง: reproducibility ที่ตรวจสอบย้อนได้

สิ่งที่ Anthropic ดันเป็นจุดขายหลัก — และเป็นสิ่งที่วงการวิจัยต้องการที่สุด — คือ ความสามารถทำซ้ำได้ (reproducibility) ทุกผลลัพธ์ที่ Claude Science สร้าง จะมาพร้อม:

1. โค้ดและ environment ที่ใช้สร้างผลนั้นเป๊ะ ๆ
2. คำอธิบายภาษาคนว่าผลนี้ถูกสร้างขึ้นมายังไง
3. ประวัติข้อความ (message history) ทั้งหมด

หมายความว่านักวิจัยสามารถกลับมาดูรูปหรือตัวเลขที่สร้างไว้เมื่อหลายเดือนก่อน แล้วไล่ย้อนที่มาของทุกผลลัพธ์ได้ — ปิดช่องโหว่ “AI สร้างกราฟสวย แต่ไม่มีใครรู้ว่ามันมาจากไหน” ที่เป็นฝันร้ายของ peer review

ราคาและโครงการสนับสนุนทุนวิจัย

Claude Science เปิดให้ใช้แบบ beta บน macOS และ Linux สำหรับผู้ใช้แพลน Pro, Max, Team และ Enterprise โดยมีที่นั่งราคาลดพิเศษสำหรับแล็บสายวิชาการและองค์กรไม่แสวงกำไร

Anthropic ยังประกาศ โครงการสนับสนุนทุน ให้สูงสุด 50 โครงการวิจัย โครงการละ เครดิต Claude มูลค่าไม่เกิน $30,000 บวกเครดิตคำนวณจาก Modal อีก $2,000 — เปิดรับสมัครถึง 15 กรกฎาคม 2026 และช่วงดำเนินโครงการคือ 1 กันยายน – 1 ธันวาคม 2026

มุมมอง AI Curator

Claude Science คือหลักฐานอีกชิ้นว่าการแข่งขัน AI ปี 2026 กำลังขยับจาก “โมเดลใครฉลาดกว่า” ไปสู่ “ใครห่อ workflow ให้เป็นเครื่องมือที่คนทำงานจริงใช้ได้ก่อน” TechCrunch พาดหัวได้ตรงว่า Anthropic เดิมพันที่ workflow ไม่ใช่โมเดลใหม่ เพื่อเอาชนะใจนักวิทยาศาสตร์ — และนั่นคือประเด็นเชิงกลยุทธ์ที่นักพัฒนาควรจับตา เพราะมันบอกว่ามูลค่ากำลังเลื่อนจากชั้นโมเดลไปสู่ชั้น “orchestration + สกิลเฉพาะทาง + ความน่าเชื่อถือ”

สำหรับนักพัฒนาสาย agentic สามอย่างในนี้คือบทเรียนที่ลอกไปใช้ได้ทันที: (1) แพตเทิร์นเอเจนต์ตรวจทานแยกจากเอเจนต์ทำงาน เพื่อจับ error ก่อนส่งออก — เป็นเทคนิคที่ใช้ได้กับทุกโดเมน ไม่ใช่แค่วิทยาศาสตร์; (2) การออกแบบให้รันในเครื่องผู้ใช้ (local-first) กลายเป็นข้อได้เปรียบด้าน trust จริง ไม่ใช่แค่คำโฆษณา — โดยเฉพาะกับข้อมูลที่ออกนอกองค์กรไม่ได้; (3) reproducibility ที่แนบโค้ด+environment+ประวัติไปกับทุก output คือสิ่งที่ระบบ agent เชิงองค์กรทุกตัวควรมี ไม่ใช่แค่เครื่องมือวิจัย

สำหรับบริบทไทย/อาเซียน จุดที่ควรจับตาคือโมเดล “รันบน HPC ของตัวเอง” — มหาวิทยาลัยและศูนย์วิจัยไทย (เช่นงานจีโนมิกส์การแพทย์ หรือชีวสารสนเทศด้านเกษตร) ที่มีคลัสเตอร์อยู่แล้วแต่ติดเรื่องเอาข้อมูลผู้ป่วย/พันธุกรรมขึ้นคลาวด์ไม่ได้ตามกฎ PDPA จะได้ประโยชน์ตรง ๆ ถ้าเครื่องมือแบบนี้ต่อกับคลัสเตอร์ในประเทศได้ อุปสรรคที่แท้จริงจึงไม่ใช่เทคโนโลยี แต่เป็นค่าใช้จ่ายเครดิตและการที่ต้องมีแพลนระดับ Pro ขึ้นไป — ซึ่งโครงการทุน $30k น่าจะเป็นประตูให้แล็บเล็ก ๆ ได้ลองก่อน

แหล่งข่าว

• Claude Science, an AI workbench for scientists — Anthropic
• Anthropic’s Claude Science bets on workflow, not a new model, to win over scientists — TechCrunch
• Anthropic launches Claude Science, an AI workbench for scientific research — The New Stack
• Anthropic Launches Claude Science AI Workbench for Scientific Research — AIwire