Gratis Total, Alternatif Open Source untuk Claude Science, DeepSeek/GLM Bisa Dipakai Sesuka Hati

marsbitОпубліковано о 2026-07-07Востаннє оновлено о 2026-07-07

Анотація

Para peneliti pasti senang! Tak sampai seminggu setelah peluncuran Claude Science oleh Anthropic, komunitas open source merespons dengan proyek alternatif gratis bernama OpenScience. Dikembangkan oleh Synthetic Sciences (tim AI penelitian yang diinkubasi YC), OpenScience adalah platform kerja AI penelitian yang mencakup seluruh alur kerja: pencarian literatur, generasi hipotesis, eksperimen kode, hingga penulisan makalah. Keunggulan utamanya adalah **model-agnostic**, memungkinkan pengguna memilih model AI apa pun seperti DeepSeek, GLM, Claude, atau GPT, baik model internasional maupun domestik, cukup dengan kunci API masing-masing. Bahkan mendukung model lokal via Ollama untuk keamanan data penuh. Platform ini, yang dilisensikan di bawah Apache 2.0, dapat diinstal hanya dengan satu perintah terminal. Ia menawarkan lebih dari 250 paket keterampilan penelitian (4x lebih banyak dari Claude Science) untuk bidang seperti biologi komputasi dan kimia informatika. OpenScience juga menghadirkan antarmuka terpadu untuk menggantikan banyak alat yang sebelumnya terpisah. Berbeda dengan Claude Science yang terbatas pada macOS/Linux, hanya untuk pengguna berbayar, dan eksklusif untuk model Claude, OpenScience menawarkan kebebasan, keterjangkauan, dan kompatibilitas yang lebih luas. Tim juga menyediakan platform terkelola bernama Atlas untuk kemudahan penggunaan, meskipun OpenScience itu sendiri dapat digunakan sepenuhnya gratis dengan kunci API pengguna. Proyek ini secara tegas dinyat...

Para akademisi bergembira!!

Claude Science dari Anthropic baru diluncurkan kurang dari seminggu, komunitas open source sudah memberikan jawaban mereka.

Sebuah tim riset AI yang diinkubasi YC, menghadirkan alternatif open source untuk "Claude Science" yaitu OpenScience.

Sama-sama platform kerja riset AI yang mencakup seluruh alur kerja mulai dari pencarian literatur, pembuatan hipotesis, eksperimen kode hingga penulisan makalah, tetapi tidak terikat pada satu vendor model pun.

DeepSeek, GLM, Claude, GPT...... baik yang dalam negeri maupun luar negeri, ingin pakai yang mana terserah Anda.

Dan proyek ini menggunakan lisensi Apache 2.0 yang paling ramah pengembang, cukup dengan satu baris perintah untuk menginstal.

Begitu kabar ini beredar, proyek langsung trending di X. Orang-orang berkomentar:

Seperti inilah seharusnya AI ilmiah. (Anthropic: Sebut saja nama saya)

Claude Science Kuat, Tapi Tak Bisa Dipakai...

Sekitar 5 hari yang lalu, Anthropic secara resmi meluncurkan Claude Science di sebuah acara tertutup MIT Technology Review.

Ini adalah platform kerja AI khusus untuk para ilmuwan, menyediakan berbagai alat dan paket perangkat lunak yang paling sering digunakan oleh peneliti.

Sebagai contoh, sebelumnya seorang peneliti untuk menyelesaikan suatu studi, harus mencari literatur di PubMed, menulis kode dengan Jupyter, menjalankan statistik dengan R, menghubungkan cluster via SSH untuk menyerahkan tugas, lalu menggunakan berbagai alat untuk menggambar grafik dan menulis makalah.

Bolak-balik belasan jendela, energi terkuras hanya untuk "berpindah" antar alat.

Yang ingin dilakukan Claude Science adalah memasukkan semua itu ke dalam satu platform kerja yang sama.

Secara spesifik, platform ini melakukan beberapa integrasi kunci:

Di tingkat database dan toolchain, sudah dilengkapi dengan 60+ konektor database ilmiah dan paket keterampilan yang sudah dikonfigurasi sebelumnya, mencakup bidang penelitian umum seperti genomik, analisis sel tunggal, proteomik, biologi struktural, kimia informasi.

Anda bertanya dengan bahasa alami, agen profesional akan otomatis melakukan query lintas database, UniProt, PDB, Ensembl, ChEMBL, GEO — database ini tidak perlu dibuka satu per satu.

Platform ini juga terhubung dengan BioNeMo Agent Toolkit dari NVIDIA, dapat langsung mengakses model-model ilmu hayat seperti Evo 2, Boltz-2, OpenFold3.

Di tingkat eksekusi, platform ini memperkenalkan arsitektur multi-agen.

Agent utama bertanggung jawab atas perencanaan keseluruhan, sub-agen menangani tugas-tugas berbeda secara paralel, dan ada juga Reviewer Agent, yang khusus bertanggung jawab untuk memeriksa fakta, seperti memeriksa kutipan, memverifikasi hasil perhitungan, menandai potensi kesalahan.

Hasil yang dihasilkan bukan hanya keluaran teks, konten seperti struktur protein 3D, jalur genome browser, rumus struktur kimia, semuanya dapat dirender secara native.

Dan setiap grafik akan secara bersamaan menyimpan kode pembuatan, lingkungan eksekusi, penjelasan bahasa alami, dan riwayat percakapan lengkap.

Dalam beberapa skenario, ilmuwan bahkan bisa langsung mengubah grafik dengan satu kalimat, sistem otomatis menulis ulang kode dasarnya.

Di tingkat daya komputasi, Claude Science dapat langsung terhubung dengan infrastruktur yang sudah ada di laboratorium Anda.

Laptop, server Linux, node login kluster HPC, semuanya bisa, melalui koneksi SSH atau akun Modal untuk memanggil GPU cloud sesuai kebutuhan, dari satu kartu hingga ratusan kartu.

Kumpulan data skala besar hanya perlu dimuat satu kali, data sensitif tidak perlu meninggalkan sistem Anda sendiri, hanya konteks yang dibutuhkan untuk setiap langkah analisis yang akan dikirim ke Claude.

Pengguna beta awal telah menghasilkan beberapa kasus nyata.

Ahli saraf dari Allen Institute, Jérôme Lecoq, menggunakannya untuk membuat template "komputasi peninjauan" multi-agen, berisi sekitar 20 keterampilan khusus, meminta sub-agen membaca ribuan makalah, mengekstrak inti pandangan dan data kuantitatif, lalu menghasilkan tinjauan literatur per bab.

Singkatnya, dulu menulis satu tinjauan literatur butuh dua tahun, sekarang dia sudah punya sekitar 10—

Banyak yang lebih dari 100 halaman, dan semua kutipannya telah diverifikasi oleh Reviewer Agent.

Sementara Stephen Francis dari UCSF Brain Tumor Center menggunakannya untuk studi epidemiologi molekuler glioma, menjalankan analisis variasi germline.

Dia mengatakan Claude Science memangkas waktu yang biasanya dibutuhkan menjadi sepersepuluhnya, dan timnya memverifikasi hasilnya secara independen, memastikan analisisnya cepat dan dapat diandalkan.

Mengacu pada penilaian fisikawan Harvard Matthew Schwartz bulan Maret lalu tentang kemampuan penelitian AI, saat ini level Claude kira-kira setara dengan mahasiswa pascasarjana tahun kedua.

Dia menerbitkan artikel tamu "Vibe Physics: The AI Grad Student" di blog resmi Anthropic, yang mencatat seluruh prosesnya menggunakan Claude Opus 4.5 untuk menyelesaikan sebuah makalah fisika teoretis.

Saat itu kesimpulannya:

Kemampuan penelitian AI saat ini kira-kira setara dengan mahasiswa pascasarjana tahun kedua, bisa bekerja, tidak mengeluh lelah, tetapi setiap langkah perlu diawasi oleh pembimbing.

Penilaian ini kemudian juga ditulis Anthropic ke dalam dokumentasi teknis Claude Science, sebagai titik kalibrasi untuk posisi produk.

Namun, Claude Science saat ini memiliki beberapa batasan keras:

Hanya mendukung macOS dan Linux

Hanya untuk pengguna berbayar Pro/Max/Team/Enterprise

Di platform hanya bisa menggunakan model milik Claude sendiri

Beberapa kendala ini, terutama bagi tim riset di dalam negeri, membuat Claude Science menjadi sesuatu yang "terlihat tapi tak terjangkau".

Kabar Baik: Alternatif Open Source Hadir

Menyasar batasan di atas, lahirlah proyek open source OpenScience.

Tim di baliknya bernama Synthetic Sciences, didirikan di San Francisco tahun 2025, baru saja lulus dari batch YC 2026 Winter.

Ambisi tim pendiri cukup besar, ingin membangun sebuah platform yang memungkinkan ilmuwan menyerahkan tugas penelitian kompleks langsung ke "AI co-scientists", dari tinjauan literatur hingga pembuatan hipotesis hingga eksekusi eksperimen hingga penulisan makalah, seluruh alur dijalankan secara otonom oleh AI.

Mereka memiliki penilaian inti di dalam tim:

Model fondasi ilmiah perlu memiliki "selera penelitian" (research taste) yang sesungguhnya, dan selera ini tidak bisa didapat hanya dengan menumpuk parameter, harus berjalan dengan dua kaki yaitu produk dan model, menggunakan produk untuk mengumpulkan data proses penelitian berkualitas tinggi, lalu menggunakan data ini untuk melatih model yang memiliki selera.

OpenScience, adalah produk pertama yang diwujudkan dari jalur ini.

Meskipun misi OpenScience sama dengan Claude Science, ada satu perbedaan mendasar:

Model-agnostic (tidak terikat model tertentu).

Mengutip kata-kata Synthetic Sciences sendiri:

AI ilmiah seharusnya terbuka, tidak boleh didominasi oleh satu perusahaan untuk alat yang digunakan manusia mengeksplorasi dan menemukan, apalagi perusahaan itu yang menentukan siapa yang berhak menggunakannya.

Jadi di platform ini, Anthropic, OpenAI, Google, DeepSeek, GLM...... selama Anda punya API Key, bisa langsung disambungkan.

Bahkan bisa menjalankan model lokal, menggunakan Ollama, data tidak perlu keluar satu byte pun dari mesin Anda.

Key Anda tetap di lokal, permintaan langsung ke penyedia model, tidak melalui server perantara.

Dan, OpenScience mendukung penggantian model per permintaan.

Dalam satu platform kerja yang sama, Anda bisa langkah ini pakai Claude, langkah berikutnya ganti ke DeepSeek, tidak perlu mengubah konfigurasi apa pun.

Di tingkat fungsi, OpenScience bahkan lebih agresif daripada Claude Science—

Memiliki 250+ paket keterampilan penelitian internal, lebih dari 4 kali lipat Claude Science, mencakup bidang-bidang seperti ML, biologi komputasi, kimia informasi, dan semuanya dapat dibaca, diedit, dan diperluas.

Instalasi juga sederhana, satu baris perintah di terminal:

Buka dan langsung pakai, browser otomatis membuka platform kerja. Saat pertama kali dijalankan, pilih sumber model, isi API Key, lalu bisa mulai bekerja.

Ingin instalasi global juga bisa:

Jika merasa repot mengatur Key, tim juga menyediakan platform terkelola Atlas—

Isi dompet digital untuk langsung memanggil berbagai model terkini, tidak perlu mengatur Key satu per satu, plus ada peta penelitian yang bertahan dan daya komputasi cloud.

Tapi Atlas ini tidak wajib, Anda bisa menjalankan OpenScience dengan Key sendiri, tetap bisa digunakan sepenuhnya gratis, tanpa kendala.

One More Thing

Yang menarik, gulir ke bagian paling bawah halaman GitHub OpenScience, Anda akan melihat pernyataan yang sengaja ditambahkan:

OpenScience adalah proyek independen. Tidak berafiliasi dengan, didukung oleh, atau disponsori oleh Anthropic. "Claude" adalah merek dagang Anthropic, PBC, digunakan di sini hanya untuk menggambarkan kompatibilitas.

Terjemahannya, kami adalah proyek independen, tidak ada hubungan apa pun dengan Anthropic. Menyebut "Claude" murni untuk menyebut kompatibilitas, jangan berpikir macam-macam.

Tampaknya kesan yang ditinggalkan "lobster" (merujuk pada masalah trademark dengan OpenClaw/OpenClaude) pada seluruh komunitas open source, terlalu mendalam.

OpenClaw beberapa kali berganti nama sebelumnya, OpenScience kali ini langsung mengelas pernyataan klarifikasi hubungan di README versi pertama.

Tidak lain, bertahan hidup dulu, baru bicara alternatif (doge).

Alamat open source:

https://x.com/i/trending/2073904804829741364?s=20

Tautan referensi:

[1]https://x.com/SynScience/status/2073829478393086311?s=20

[2]https://x.com/i/trending/2073904804829741364?s=20

[3]https://www.openscience.sh/

[4]https://www.anthropic.com/news/claude-science-ai-workbench

Artikel ini berasal dari akun WeChat "Quantum Bit", penulis: Yishui

Трендові криптовалюти

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

PancakeSwapCAKE

Пов'язані питання

QApa itu OpenScience dan bagaimana perbedaannya dengan Claude Science?

AOpenScience adalah platform AI penelitian sumber terbuka yang menjadi alternatif gratis dari Claude Science. Perbedaan utamanya adalah OpenScience bersifat model-agnostic, artinya pengguna dapat menggunakan berbagai model AI seperti DeepSeek, GLM, Claude, atau GPT hanya dengan kunci API, sementara Claude Science hanya mendukung model Anthropic dan terbatas untuk pengguna berbayar.

QApa keunggulan utama OpenScience bagi peneliti di Indonesia?

AKeunggulan utama OpenScience adalah gratis, dapat dijalankan dengan satu perintah, mendukung berbagai model AI (termasuk yang populer di China seperti DeepSeek dan GLM), dan memungkinkan penggunaan model lokal melalui Ollama tanpa mengirim data keluar. Ini sangat menguntungkan bagi peneliti dengan anggaran terbatas atau yang memerlukan fleksibilitas dalam memilih model.

QApa saja kemampuan yang ditawarkan Claude Science dalam mendukung penelitian ilmiah?

AClaude Science menawarkan alat AI khusus untuk penelitian ilmiah, termasuk konektor ke 60+ database ilmiah, toolkit BioNeMo Nvidia, arsitektur multi-agen untuk perencanaan dan verifikasi, rendering visual 3D (seperti struktur protein), dan integrasi dengan infrastruktur komputasi yang ada (dari laptop hingga cluster HPC). Platform ini dapat mempercepat proses penelitian hingga 10 kali lipat.

QBagaimana cara menginstal dan menggunakan OpenScience?

AOpenScience dapat diinstal dengan satu perintah di terminal: 'pip install openscience'. Setelah instalasi, platform akan terbuka di browser. Pengguna hanya perlu memilih penyedia model dan memasukkan kunci API yang sesuai. Untuk kemudahan, tersedia juga platform Atlas yang memungkinkan penggunaan model tanpa mengatur kunci API secara manual.

QMengapa tim OpenScience menambahkan pernyataan penyangkalan hubungan dengan Anthropic?

ATim OpenScience menambahkan pernyataan penyangkalan untuk menegaskan bahwa proyek mereka independen dan tidak berafiliasi dengan Anthropic. Ini dilakukan untuk menghindari potensi masalah hukum atau klaim merek dagang, mengingat komunitas sumber terbuka sebelumnya pernah mengalami insiden serupa (seperti kasus 'OpenClaw'). Dengan pernyataan ini, mereka fokus pada kompatibilitas fungsional, bukan hubungan resmi.

Пов'язані матеріали

Earning $7.2 Million in One Week: How Does pump.fun Actually Make Money?

Pump.fun, a prominent Solana-based meme coin launch platform, recently disclosed a weekly protocol revenue of $7.2 million. The income primarily stems from its core businesses: the Bonding Curve mechanism, which facilitated $553 million in weekly volume, and PumpSwap, which saw $1.65 billion. The platform is allocating 50% of its net protocol revenue to buy back and burn its native PUMP token, having already burned 41.8% of the circulating supply with $3.7 million repurchased in the past week. This establishes a direct link between platform performance and token value. Beyond strong financials, Pump.fun is evolving from a simple launchpad into a broader ecosystem. Key initiatives include optimizing the user experience with faster swap times (300-400ms) and easier fiat on-ramps, which boosted daily deposit volume by 21%. It's also enhancing developer tools via Terminal and fostering community engagement through a bounty system that has distributed over $600,000 in rewards. The report signals Pump.fun's transition towards a sustainable Web3 business with diversified revenue streams, a value-accrual model for its token, and a focus on product maturity and ecosystem growth over mere meme coin hype.

marsbit41 хв тому

Earning $7.2 Million in One Week: How Does pump.fun Actually Make Money?

marsbit41 хв тому

Tiger Research: Three Strategies for Financial Institutions to Keep Up with the Tokenization Wave

Tiger Research's in-depth report analyzes the strategic choices for financial institutions entering the rapidly growing Real-World Asset (RWA) tokenization market. With the market projected to be worth $25-36 billion and a lack of complete regulatory frameworks in many jurisdictions, institutions face three options: waiting for domestic legislation, using regulatory sandboxes for limited experiments, or moving first into established overseas markets to gain a competitive edge. Tokenization is not magic; it requires meticulous preparation. Before entry, institutions must strategically plan across six core areas: choosing a jurisdiction, obtaining necessary licenses, defining the asset type, targeting the appropriate investor base, selecting settlement currencies, and designing operational requirements like custody and governance. The report outlines two main operational paths. The first is a direct jurisdictional path, establishing a legal presence in mature markets like Hong Kong, Singapore, or the U.S., often leveraging local licensed platforms to accelerate market entry. The second is a chain-native path, using platforms like Ondo or Plume that are built with regulatory compliance embedded, allowing for faster, more flexible market access without being tied to a specific jurisdiction. Ultimately, the report advises against waiting for perfect regulation. The preparation process can take 6-12 months and requires thorough legal review. Using the example of a mid-sized securities firm, it details steps from evaluating existing entities to final execution. The core message is that accumulating real-world operational experience is paramount, as the market is moving ahead and will not wait for latecomers.

Foresight News1 год тому

Tiger Research: Three Strategies for Financial Institutions to Keep Up with the Tokenization Wave

Foresight News1 год тому

‘Incentivize democracy’ at the cost of security? Inside Bonk’s $20M exploit

BonkDAO, the governance body for the memecoin BONK, suffered a $20 million exploit due to a malicious governance proposal. The attacker acquired enough BONK to create a proposal with a 1% vote threshold, which then authorized transferring 4.4 trillion BONK to their wallet. Security analysts criticized the low approval threshold and lack of safeguards like lock periods for treasury transfers, calling it an operational security failure. The incident fueled debate about balancing decentralized governance with security. Following the news, BONK's price dropped 10%, though on-chain data indicated continued accumulation by large holders since June. The project is collaborating with law enforcement and exchanges to mitigate the situation.

ambcrypto2 год тому

‘Incentivize democracy’ at the cost of security? Inside Bonk’s $20M exploit

ambcrypto2 год тому

Zoomex X Space Recap With David James and the World Cup Trading Panel

Zoomex hosted a World Cup-themed X Space featuring England goalkeeper David James and a panel of traders. The discussion, part of a charity pledge, drew parallels between goalkeeping and trading, focusing on preparation, psychology, and execution. James emphasized that pressure for a goalkeeper comes during periods of inactivity, not sustained attack, and highlighted the importance of concentration. He described two modes for penalty saves: meticulous preparation using data on shooters, and instinct, which is improved by information—a concept traders directly related to market analysis. He discussed how elite preparation turns instinct into trained execution, making spectacular saves feel like practiced outcomes rather than miracles. Errors are now treated as data for correction, not lingering ghosts. James analyzed tournament threats, noting France's exceptional speed across the pitch and suggesting that teams like Mexico and Spain, yet to concede, face a psychological test. On England's chances, James was unequivocal, predicting they would win and nominating the UEFA Foundation for the associated charity donation. The session consistently linked thorough preparation in both football and trading to controlling emotions and executing under pressure, with the core lesson being that preparation eliminates nervousness by replacing unknowns with a plan.

TheNewsCrypto2 год тому

Zoomex X Space Recap With David James and the World Cup Trading Panel

TheNewsCrypto2 год тому

Unitree's IPO Frenzy: The Real Mystery is How It Will Spend the 42 Billion Raised

Unitree, a Chinese robotics company, is set for a public listing after its IPO registration was approved by regulators. The company, which started with quadruped robots and has expanded into humanoids, plans to raise approximately 4.2 billion yuan through its offering. The article traces Unitree's rapid growth from its founding in 2016 to its current status. It highlights key milestones like the 2021 CCTV Spring Festival Gala performance, the 2023 launch of its affordable Go2 robot dog and the H1 humanoid robot, and a series of subsequent product launches. By 2025, the company reported revenue of 1.71 billion yuan, profitability, and sales exceeding 5,500 humanoid robots. As the first publicly-listed humanoid robot company on China's STAR Market, Unitree's main challenges are sustaining growth and deploying its newly raised capital effectively. The humanoid robot sector in China is crowded, with over 140 companies. Competitors include UBTech (focusing on industrial and consumer markets), Fourier, and international players like Tesla Optimus and 1X NEO. The article outlines three critical challenges for Unitree: establishing a strong second product line beyond its quadruped robots, maintaining its price advantage while ensuring quality, and successfully advancing its embodied AI capabilities through partnerships like the one with NVIDIA for the H2 Plus platform. Unitree's likely strategy involves a "developer tools + industry benchmarks" approach: using low-cost models like the R1 and G1 to build developer adoption and volume, leveraging high-end platforms for AI training, and securing pilot projects in sectors like logistics and manufacturing to build case studies. The company's future success hinges on converting its current momentum in shipments and pilot programs into sustainable, large-scale commercial contracts as the broader market evolves.

marsbit2 год тому

Unitree's IPO Frenzy: The Real Mystery is How It Will Spend the 42 Billion Raised