Anthropic punta sulla ricerca scientifica per allargare il mercato di Claude. Il 27 agosto 2026 la società statunitense ha annunciato l’apertura di 10 mila posti destinati a scienziati di tutto il mondo, con accesso gratuito al piano Standard e un abbonamento Premium da 15 dollari al mese, dotato di limiti di utilizzo cinque volte superiori. La tariffa promozionale durerà 12 mesi e l’azienda prevede di estendere il programma oltre la prima quota di 10 mila utenti.
L’iniziativa rafforza una strategia avviata negli ultimi mesi con Claude Science e con il programma AI for Science. Anthropic vuole portare i propri modelli dentro università e laboratori, trasformando la ricerca scientifica in uno dei principali mercati professionali dell’intelligenza artificiale generativa.
La posta economica supera quindi il costo degli abbonamenti regalati: l’obiettivo è inserire Claude nei processi quotidiani con cui vengono formulate ipotesi, analizzati dati, scritti programmi, utilizzati cluster di calcolo e, progressivamente, controllati strumenti fisici di laboratorio.
Indice degli argomenti:
Chi può ottenere Claude gratuitamente
Il nuovo Claude Team plan for scientists è riservato ai principal investigator, o figure equivalenti, che lavorano presso università accreditate e istituti di ricerca non profit. Dopo la verifica dell’affiliazione, il responsabile può aggiungere al gruppo postdoc, dottorandi e altri ricercatori. Ogni gruppo può avere da uno a 25 posti; per strutture più grandi Anthropic invita a contattare direttamente la società.
Il piano Standard costa zero dollari al mese, contro un prezzo ordinario indicato dalla società in 20 dollari. Comprende Claude Science, Claude Code e Claude Cowork, oltre a progetti condivisi, strumenti per la creazione di file, connettori verso database scientifici, gestione centralizzata e single sign-on.
Il Premium costa invece 15 dollari al mese per ricercatore, o 180 dollari l’anno, rispetto ai 100 dollari mensili indicati come prezzo ordinario. Offre cinque volte la capacità di utilizzo e soglie superiori per analisi di lunga durata. La promozione vale per 12 mesi; terminato il periodo agevolato, il rinnovo avverrà al prezzo allora applicato al piano. Anthropic specifica inoltre che può riportare un gruppo alle normali condizioni commerciali dopo 90 giorni di inattività.
La scelta equivale a finanziare l’adozione del prodotto nella fase in cui università e centri di ricerca stanno decidendo quali piattaforme di AI integrare stabilmente nei propri flussi di lavoro. Per Anthropic, conquistare un laboratorio oggi può significare costruire una relazione con ricercatori che domani opereranno nelle università, nelle aziende farmaceutiche, nelle società tecnologiche o nei centri industriali di ricerca e sviluppo.
Crediti fino a 50 mila dollari per progetto
Il secondo intervento riguarda AI for Science, programma lanciato da Anthropic nel maggio 2025 con crediti gratuiti per l’utilizzo delle proprie API. Nato con una particolare attenzione a biologia e scienze della vita, il progetto viene ora esteso a un numero maggiore di discipline e ad attività che richiedono elevate risorse computazionali.
Quando la capacità compresa negli abbonamenti Standard e Premium non è sufficiente, i ricercatori possono presentare domanda per ricevere fino a 50 mila dollari di crediti per singolo progetto. L’accesso a questi contributi non è limitato ai principal investigator che partecipano al nuovo piano Team.
Il valore massimo era già comparso in luglio in una call dedicata alle malattie genetiche rare. In quel caso Anthropic aveva previsto fino a 50 mila dollari di crediti per sei mesi per progetti dedicati, tra l’altro, allo studio dei meccanismi delle malattie, all’interpretazione delle varianti genetiche e alla costruzione di sistemi di valutazione per i modelli AI.
La combinazione tra abbonamenti sovvenzionati e crediti per il calcolo consente all’azienda di intervenire su due livelli. Il primo riguarda l’uso ordinario dell’AI da parte di un laboratorio. Il secondo interessa progetti nei quali milioni di token, agenti autonomi e grandi quantità di elaborazione diventano una voce significativa del costo della ricerca.
Claude Science porta l’AI nel laboratorio digitale
Il programma annunciato ad agosto segue il lancio, il 30 giugno 2026, di Claude Science, un ambiente di lavoro progettato per riunire strumenti che normalmente costringono i ricercatori a spostarsi tra database bibliografici, notebook, software statistici e terminali di calcolo.
Anthropic lo presenta come un’app capace di coordinare analisi della letteratura, esecuzione di codice, elaborazione dei dati, produzione di grafici e preparazione di manoscritti. Il sistema dispone di oltre 60 skill e connettori dedicati, tra gli altri campi, a genomica, single-cell analysis, proteomica, biologia strutturale e cheminformatica.
Un elemento centrale è la tracciabilità. Claude Science conserva la storia delle operazioni eseguite per permettere al ricercatore di controllare e riprodurre un risultato. La questione è rilevante perché l’uso di modelli generativi nella ricerca pone problemi diversi rispetto alle applicazioni consumer: un testo plausibile non basta quando un errore può compromettere un’analisi, un esperimento o una pubblicazione.
Dalla funzione zeta alle proteine
Anthropic accompagna la strategia commerciale con risultati che servono a dimostrare le capacità scientifiche dei modelli. Il 10 agosto 2026 la società ha comunicato che una versione di ricerca non ancora distribuita di Claude ha migliorato un limite matematico legato alla funzione zeta di Riemann.
Il risultato non dimostra l’ipotesi di Riemann, ancora irrisolta, ma aumenta dal 41,6% al 67,2% il limite inferiore sulla quota di zeri che soddisfano una proprietà collegata all’ipotesi. Secondo Anthropic, due matematici dell’azienda hanno verificato il lavoro prodotto dal modello.
Otto giorni dopo, il 18 agosto, Anthropic ha pubblicato i risultati di alcuni esperimenti sul protein design e sulla chimica analitica. Claude, nelle versioni Mythos Preview e Opus 4.8, ha progettato proteine capaci di legarsi a 14 bersagli su 15. La società riferisce tassi di successo dei singoli design compresi tra il 22% e il 35%, contro il 10-15% che indica come valore tipico delle campagne di progettazione proteica.
Nello stesso lavoro Claude Opus 5 ha analizzato dati NMR e LC-MS utilizzati dai chimici per verificare identità e purezza dei composti. A partire dai file grezzi di un laboratorio esterno e da un prompt di due frasi, il modello avrebbe completato due analisi in 23 e 19 minuti, ottenendo per uno dei parametri di purezza il 96,4%, contro il 96,33% calcolato dal laboratorio.
Sono risultati pubblicati dalla stessa Anthropic e vanno valutati come tali. Indicano però dove l’azienda vuole collocare il prodotto: oltre l’assistenza alla scrittura e alla programmazione, verso attività specialistiche nelle quali il valore economico dipende dal numero di ore di lavoro umano o di calcolo che il modello può sostituire o comprimere.
L’AI comincia a controllare anche gli strumenti fisici
La strategia scientifica di Anthropic si sta estendendo dal software alle apparecchiature. Il 27 agosto 2026, nello stesso giorno dell’ampliamento del programma per gli scienziati, la società ha aperto una research preview del Model Hardware Standard, MHS, sviluppato inizialmente con HHMI Janelia Research Campus.
Lo standard vuole permettere agli agenti AI di comunicare con apparecchiature differenti attraverso un’interfaccia comune. Tra gli esempi indicati figurano microscopi, sistemi per la manipolazione di liquidi e bracci robotici. Anthropic sostiene che integrazioni hardware che oggi possono richiedere settimane o mesi potrebbero essere ridotte a ore o minuti.
Alla sperimentazione partecipano aziende che operano nel cloud, nella robotica e nelle apparecchiature scientifiche, tra cui Amazon Web Services, Automata, Danaher, Doosan Robotics, MBF Bioscience, Qiagen, Tecan e Universal Robots. Hugging Face sta inoltre lavorando al supporto di MHS nella libreria LeRobot, mentre Raspberry Pi ne sta sperimentando l’integrazione sui propri prodotti.
Il passaggio è economicamente rilevante perché amplia il mercato potenziale degli agenti AI. Un modello collegato a strumenti programmabili può partecipare a processi che proseguono per molte ore, correggere parametri sulla base dei risultati e coordinare apparecchiature diverse.
Anthropic riconosce tuttavia limiti nel ragionamento spaziale e fisico dei modelli e mantiene la supervisione degli specialisti come requisito delle sperimentazioni.
Il limite della biologia e il problema del dual use
L’espansione dell’accesso incontra un vincolo particolare nelle scienze biologiche. Anthropic ha confermato che i ricercatori di biologia e chimica continuano ad avere restrizioni nell’utilizzo dei modelli più avanzati per alcune attività professionali.
Il 7 agosto 2026 l’azienda aveva annunciato una revisione dei filtri di sicurezza di Fable 5 che, secondo i propri test, ha ridotto di circa l’85% i trasferimenti automatici verso modelli meno capaci nelle richieste relative alla biologia. Fable 5 continua però a bloccare attività professionali considerate dual use, fra cui alcuni lavori di virologia, tossicologia e progettazione molecolare.
Anthropic sta lavorando con il governo degli Stati Uniti a un sistema di accesso controllato ai modelli della classe Mythos per professionisti delle scienze della vita. Nell’annuncio del 27 agosto la società afferma di avere già ammesso i primi partecipanti.
Il nodo commerciale e quello della sicurezza coincidono: le capacità che rendono un modello più utile nello sviluppo di farmaci possono aumentarne anche il potenziale impiego improprio. Per vendere AI avanzata ai settori scientifici, i produttori devono quindi costruire procedure di verifica dell’identità e dell’affiliazione degli utenti insieme ai sistemi tecnici di controllo.
Genentech porta Claude dentro il laboratorio
Genentech ha sperimentato l’uso di Claude, il modello di intelligenza artificiale di Anthropic, per coordinare direttamente alcuni strumenti di laboratorio attraverso MHS, un framework pensato per standardizzare la comunicazione tra sistemi AI e hardware scientifico. Il progetto punta a ridurre uno dei principali colli di bottiglia dell’automazione nella ricerca farmaceutica: la programmazione delle apparecchiature. Oggi configurare liquid handler, bracci robotici, lettori di micropiastre e altri strumenti può richiedere settimane di lavoro specializzato. Nel test realizzato da Genentech, Claude ha invece gestito un saggio BCA, utilizzato per misurare la concentrazione totale di proteine in un campione, coordinando tre dispositivi diversi: un sistema per il trasferimento dei liquidi, un braccio robotico e un lettore ottico. Il ricercatore descriveva l’esperimento in linguaggio naturale, mentre Claude pianificava ed eseguiva le operazioni attraverso MHS. Il modello ha anche ottimizzato autonomamente alcuni parametri fisici del processo. Nei test con acqua ha individuato una velocità di pipettaggio di circa 140 microlitri al secondo, con un errore quadratico medio di 0,016; con una soluzione viscosa di albumina bovina ha scelto circa 10 microlitri al secondo, con un errore di 0,181. Secondo gli specialisti di automazione di Genentech, entrambi i valori risultavano compatibili con il funzionamento del sistema sperimentale.
Gli errori mostrano i limiti dell’AI nel mondo fisico
L’esperimento ha mostrato anche quanto sia ancora difficile trasferire il ragionamento dei modelli AI dal software ai fenomeni fisici. Durante i test Claude è riuscito a recuperare autonomamente da alcuni errori, tra cui problemi nel prelievo delle punte delle pipette e nella rilevazione dei liquidi. Ha però incontrato maggiori difficoltà quando il malfunzionamento dipendeva dalle proprietà concrete dei materiali. La formazione di bolle, per esempio, alterava i volumi aspirati, interferiva con i sensori e modificava le letture ottiche. Di fronte a questi errori Claude tendeva inizialmente a ripetere l’operazione nello stesso pozzetto cambiando i parametri. La nuova miscelazione produceva però altre bolle, peggiorando il problema. I ricercatori hanno dovuto spiegare al modello la causa fisica dell’errore e indicargli di utilizzare un pozzetto pulito e ridurre i cicli di miscelazione. Quelle istruzioni sono state poi trasformate in competenze riutilizzabili dal sistema. Genentech considera il progetto una prova preliminare verso laboratori più autonomi, nei quali i ricercatori definiscono l’obiettivo biologico dell’esperimento mentre agenti AI coordinano strumenti, analizzano i risultati e modificano le procedure in base ai dati raccolti. Per arrivarci sarà però necessario estendere MHS a centrifughe, incubatori, sensori e strumenti analitici e migliorare la capacità dei modelli di comprendere vincoli chimici, biologici e fisici che oggi richiedono ancora l’intervento umano.
Una strategia che parte dalle università
Anthropic aveva già rafforzato i rapporti con il settore pubblico americano nel dicembre 2025, aderendo alla Genesis Mission del Department of Energy. La partnership pluriennale punta a utilizzare Claude e strumenti agentici nei 17 laboratori nazionali statunitensi, con attività concentrate su energia, scienze biologiche e produttività della ricerca.
Con i nuovi 10 mila posti, la società sposta una parte di questa strategia verso una platea più ampia di laboratori universitari e non profit. Il modello economico ricorda le politiche con cui molte piattaforme software hanno costruito la propria presenza nell’istruzione: ridurre il prezzo nella fase di adozione permette di aumentare il numero di utilizzatori, creare competenze specifiche e rendere il prodotto parte dell’infrastruttura quotidiana.
Per Anthropic il ritorno potenziale arriverà se la capacità di calcolo richiesta dalla ricerca continuerà a crescere e se i ricercatori che oggi ricevono accesso gratuito diventeranno domani clienti Premium, Enterprise o utilizzatori delle API. Per università e laboratori, invece, la convenienza dipenderà dalla capacità di misurare i guadagni di produttività senza rinunciare alla verifica umana dei risultati.
L’esperimento condotto dal fisico di Harvard Matthew Schwartz offre una misura della distanza ancora esistente dall’automazione completa. In un progetto descritto da Anthropic nel marzo 2026, Schwartz ha supervisionato Claude Opus 4.5 durante un lavoro di fisica teorica terminato in circa due settimane. Il ricercatore ha stimato un’accelerazione di circa dieci volte rispetto al proprio lavoro senza AI, ma ha anche documentato errori, passaggi saltati e la necessità di controlli continui da parte di uno specialista.
È proprio questa combinazione a spiegare l’investimento di Anthropic. L’AI scientifica non deve ancora sostituire il ricercatore per diventare un mercato rilevante. Deve ridurre abbastanza il costo e il tempo di analisi, programmazione e sperimentazione da rendere conveniente acquistare quantità crescenti di calcolo. I 10 mila abbonamenti agevolati servono ora a portare quella prova dentro migliaia di laboratori.
Partecipa alla community