Synthetic Sciences、OpenScienceをリリース：機械学習、生物学、物理学、化学研究のためのオープンソース・モデル非依存AIワークベンチ

Synthetic Sciencesは、科学研究向けのオープンソースAIワークベンチ「OpenScience」を正式にリリースした。本プロジェクトはApache 2.0ライセンスの下で提供され、ユーザー自身のインフラ上で動作する。研究チームはこれを、2026年6月下旬にAnthropicが発表したClaude Scienceに対するオープンな代替手段として位置づけている。

その理念は明確だ。科学AIツールは単一のベンダーに所有されるべきではない。OpenScienceはワークフローのオープン性、モデルの交換可能性、データのローカル保存を重視している。これは独立したプロジェクトであり、Anthropicとの提携や推奨はない。

OpenScienceはブラウザベースのワークスペースで、バックエンドでローカルエージェントランタイムが動作する。研究目標を与えると、協力的な共同研究者のようにサイクルを実行する。関連論文を読み、仮説を立て、コードを書いて実行し、実験を行い、結果をレポートにまとめる。すべてが1つの連続したセッション内で行われる。

ツールは設計上モデル非依存である。任意のフロンティアモデルまたはオープンウェイトモデルと連携し、ユーザーは自分のAPIキーを使用する。アカウント登録なしで開始できる。インストールはnpmを使用し、コマンドは「openscience」で、ブラウザにワークスペースを開く。初回実行時には、Atlas管理モデル、自分のプロバイダキー、または無料デモモデルの3つのオプションが表示される。

OpenScienceはローカルサーバーを起動し、ワークスペースUI、エージェントランタイム、ツールレイヤーをホストする。エージェントは研究ハーネスで計画を立て、ツールを呼び出す。これらのツールには、シェル、エディタ、LSP、MCPサーバー、科学コネクタ、スキルが含まれる。エージェントは実行中の作業をブラウザにストリーミングする。モデルはリクエストごとにルーティングされ、ワークスペースのモデルセレクターからプロバイダを切り替えたり、ローカルモデルを実行したりできる。

ランタイムを実用的にする4つの主要機能は以下の通り。研究エージェント（デフォルトで実行され、生物学、物理学、MLの専門エージェントや批評・文献レビューのサブエージェント、読み取り専用プランモードも用意）。250以上のスキル（トレーニング、評価、データセット処理、化学情報学、分子・臨床生物学、論文作成、LaTeX、図表、クラウドコンピューティングをカバー）。科学データベース（UniProt、PDB、Ensembl、ChEMBL、PubChem、arXiv、OpenAlex、Semantic Scholarなど約30のデータベースをツールとして利用可能）。本格的なワークスペース（ファイルツリー、エディタ、ターミナル、セッション履歴を備え、分子、構造、ゲノム、プロットをインラインでレンダリング）。

拡張性は第一級の機能である。OpenScienceはLSP統合、MCPサーバー、プラグイン、カスタムエージェントをサポートし、TypeScript SDKも提供する。オプションの管理レイヤーAtlasも用意されており、厳選されたフロンティアモデル、永続的な研究グラフ、クラウドコンピューティングを追加するが、OpenScience自体はAtlasを必須としない。

Claude Scienceとの比較では、両ツールは同じジョブをターゲットとしているが、主な違いはオープン性とモデル選択にある。Claude Scienceは洗練されたスタンドアロン製品で厳選された統合を提供する。OpenScienceはある程度の洗練を犠牲にして、オープン性、監査可能性、プロバイダの自由を提供する。

ユースケースの例として、機械学習研究（MLエージェントが関連arXiv論文を取得し、PEFTやTRLスキルを使用してトレーニングスクリプトを作成・実行）、計算生物学（生物学エージェントがUniProtとPDBをクエリし、構造をインライン表示、変異候補を提案）、化学情報学（化学エージェントがChEMBLとPubChemから生物活性データをクエリし、コードでフィルタリングして結果をプロット付きで返す）、モデル比較（同じタスクをClaude、GLM、ローカルファインチューンで実行し、コストと品質を比較）などが挙げられる。

強みとしては、完全オープンソース（Apache 2.0）でスキルとエージェントが可読・編集可能、モデル非依存による科学ワークフローのベンダーロックイン排除、ユーザーインフラ上で動作するためプライベートデータセットをローカルに保持可能、広範なツールカバレッジ（250以上のスキルと数十の科学データベース）、LSP、MCP、プラグイン、TypeScript SDKを通じた拡張性が挙げられる。

弱みとしては、エージェントがサンドボックス化されておらず、権限システムは分離境界ではないため、分離が必要な場合はコンテナやVM内で実行する必要がある点、プロジェクトが若いため成熟製品と比べて荒削りな部分がある点、APIキーの持ち込みによりプロバイダコストとレート制限をユーザー自身で管理する必要がある点、品質がルーティング先のモデルに大きく依存する点が挙げられる。