Synthetic Sciences ha lanzado OpenScience, un banco de trabajo de IA de código abierto para la investigación científica. Tiene licencia Apache 2.0 y se ejecuta en su propia infraestructura. El equipo de investigación lo enmarca como una alternativa abierta a Claude Science de Anthropic, lanzada a finales de junio de 2026.
El tono es directo. Las herramientas científicas de IA no deben ser propiedad de un solo proveedor. OpenScience mantiene abierto el flujo de trabajo, los modelos intercambiables y los datos locales. Es un proyecto independiente, no afiliado ni respaldado por Anthropic.
TL;DR
OpenScience es un banco de trabajo de IA independiente del modelo Apache-2.0 para aprendizaje automático, biología, física y química. Ejecuta el ciclo completo: literatura, hipótesis, código, experimento, análisis y redacción. Cualquier modelo funciona (Claude, GPT, Gemini, GLM, Kimi, DeepSeek, ajustes locales); el cambio es por solicitud. Incluye más de 250 habilidades editables, además de bases de datos (UniProt, PDB, ChEMBL, arXiv y ~30 más) como herramientas de agente. Se ejecuta en su infraestructura con sus claves; El uso de traer su propia clave es gratuito y nunca está restringido.
¿Qué es la ciencia abierta?
OpenScience es un espacio de trabajo basado en navegador respaldado por un tiempo de ejecución de agente local. Le das un objetivo de investigación. Luego funciona a través del circuito que seguiría un colaborador capaz.
Lee artículos relevantes, formula hipótesis, escribe y ejecuta código y realiza experimentos. Consulta las principales bases de datos científicas y redacta el resultado. Todo esto sucede en una sesión continua.
La herramienta es independiente del modelo por diseño. Funciona con cualquier modelo de frontera o de peso abierto, utilizando sus propias claves API. No se requiere ninguna cuenta para comenzar.
La instalación utiliza npm. El comando es openscience y abre el espacio de trabajo en su navegador.
La primera ejecución ofrece tres opciones: modelos administrados por Atlas, sus propias claves de proveedor o modelos de demostración gratuitos. También puede omitir una instalación global. Ejecutar npx synsci hace lo mismo en un solo paso.
Cómo funciona
OpenScience ejecuta un servidor local. Ese servidor aloja la interfaz de usuario del espacio de trabajo, el tiempo de ejecución del agente y la capa de herramientas. El agente planifica con un arnés de investigación y herramientas de llamadas.
Esas herramientas incluyen el shell, el editor, LSP, servidores MCP, conectores científicos y habilidades. El agente transmite su trabajo al navegador mientras se ejecuta.
Los modelos se enrutan por solicitud. Usted elige el modelo del selector de modelos en el espacio de trabajo. De modo que puede cambiar de proveedor o ejecutar modelos locales sin cambiar nada más.
Sus claves permanecen en su máquina. Las sesiones, los artefactos y la procedencia se almacenan en el disco. Se pueden compartir como enlaces.
Cuatro cosas hacen que el tiempo de ejecución sea útil para el trabajo real:
Agentes de investigación: un agente de investigación se ejecuta de forma predeterminada. También existen agentes especializados en biología, física y ml. Los subagentes de crítica y revisión de la literatura y un modo de plan de solo lectura lo completan. Más de 250 habilidades: cubren capacitación (DeepSpeed, PEFT, TRL), evaluación, trabajo con conjuntos de datos y quimioinformática. También cubren biología clínica y molecular, artículos, LaTeX, figuras y computación en la nube. Bases de datos científicas como herramientas: UniProt, PDB, Ensembl, ChEMBL, PubChem, arXiv, OpenAlex y Semantic Scholar son consultables. Se incluyen alrededor de 30 más. Un verdadero espacio de trabajo: Tiene árbol de archivos, editor, terminal e historial de sesiones. Representa moléculas, estructuras, genomas y gráficos en línea.
La extensibilidad es una característica de primera clase. OpenScience admite la integración LSP, servidores MCP, complementos y agentes personalizados. También incluye un SDK de TypeScript.
Existe una capa administrada opcional llamada Atlas. Atlas ofrece un conjunto seleccionado de modelos fronterizos facturados desde una billetera prepaga. También agrega un gráfico de investigación persistente y computación en la nube. OpenScience funciona con Atlas pero nunca lo requiere.
OpenScience frente a Claude Science
Ambas herramientas apuntan al mismo trabajo. Ambos ejecutan el ciclo, integran la ciencia y priorizan la reproducibilidad. La diferencia fundamental es la apertura y la elección del modelo.
Claude Science es un producto pulido e independiente con integraciones seleccionadas. OpenScience cambia algo de pulido por apertura, auditabilidad y libertad de proveedores.
Casos de uso con ejemplos
Investigación sobre aprendizaje automático: un ingeniero de aprendizaje automático quiere probar una idea de ajuste. El agente ml extrae documentos arXiv relacionados y luego utiliza habilidades PEFT y TRL. Escribe un guión de formación, lo ejecuta y redacta un breve informe. Biología computacional: un científico de datos estudia una proteína objetivo. El agente biológico consulta UniProt y PDB y luego presenta la estructura en línea. Propone mutaciones candidatas y registra la procedencia. Quimioinformática: un químico analiza moléculas pequeñas. El agente consulta a ChEMBL y PubChem en busca de datos de bioactividad. Ejecuta un filtro en el código y devuelve candidatos clasificados con gráficos. Comparación de modelos con un presupuesto: un equipo ejecuta la misma tarea en Claude, luego en GLM y luego en un ajuste local. Cambiar es una selección, no una reescritura. Comparan costos y calidad con sus propios datos.
Fortalezas y debilidades
Fortalezas:
Código completamente abierto bajo Apache 2.0, por lo que las habilidades y los agentes son legibles y editables. El enrutamiento independiente del modelo elimina la dependencia de un único proveedor para los flujos de trabajo científicos. Se ejecuta en su infraestructura, por lo que los conjuntos de datos privados pueden permanecer en sus sistemas. Amplia cobertura de herramientas: más de 250 habilidades y docenas de bases de datos científicas como herramientas. Ampliable a través de LSP, servidores MCP, complementos y un SDK de TypeScript.
Debilidades:
El agente no está en un espacio aislado; el sistema de permisos no es un límite de aislamiento. Debe ejecutarlo dentro de un contenedor o VM si necesita aislamiento. Es un proyecto joven, así que espere asperezas frente a un producto maduro. Traiga su propia clave significa que usted mismo administra los costos del proveedor y los límites de tarifas. La calidad depende en gran medida del modelo al que dirija cada solicitud.