Wie Claude Fable 5.2 Fermats Beweis in Lean nachgebildet hat

Anthropic hat rund 1.000 KI-Agenten eingesetzt, um den Beweis von Fermats letztem Satz in der Beweissprache Lean nachzubilden. Das Team arbeitete mit einer frühen Version von Claude Fable 5.2 und war nach 28,7 Stunden fertig. Der mathematische Beweis stammt von Andrew Wiles und Richard Taylor aus dem Jahr 1995. Neu an diesem Versuch ist, wie das Agententeam eine bereits bekannte Beweisführung in eine Form brachte, die Software Schritt für Schritt prüfen kann. Technischer Versuchsbericht von Anthropic

Was die 1.000 Agenten vorliegen hatten

Die Agenten bekamen den Satz und 59 Zwischenziele. Dazu kamen die nötigen Definitionen, eine einzeilige Skizze des klassischen Beweiswegs und 47 bereits bewiesene Hilfssätze aus der ersten Formalisierung vom September. Auch die mathematische Lean-Bibliothek Mathlib war installiert. Eine gemeinsame Datenbank half den Agenten, Aufgaben zu verteilen und fertige Teile weiterzugeben. Ein Prüfschritt kontrollierte eingereichte Beweisdateien.

Die 47 Hilfssätze sind entscheidend für die Einordnung. Damit hatte das Team eine geprüfte Grundlage, auf der einzelne Agenten parallel arbeiten konnten. Der Fortschritt im Diagramm misst den gewichteten Anteil der vorgegebenen Aussagen, für die ein formaler Beweis vorlag. Im von Anthropic gezeigten Vergleich stand Fable 5.2 nach 18 Stunden bei 86 Prozent und Opus 5.5 bei 26 Prozent. Beide Teams setzten ihren jeweiligen Lauf vom gespeicherten Stand aus fort. Nach rund 30 Stunden war Fable fertig, Opus stand bei 27 Prozent. Anthropic zeigt einen Lauf je Modell. Anthropics Vergleich zur Formalisierung

Was Anthropic außerdem in Physik und Biologie zeigt

Zwei Vorabpublikationen befassen sich mit mathematischen Fragen aus der Theorie Schwarzer Löcher. Die erste Rechnung deutet darauf hin, dass der Hawking-Page-Übergang in der untersuchten Theorie auch bei schwacher Kopplung sprunghaft bleibt. Ein Physiker kontrollierte bekannte Spezialfälle. Die zweite Arbeit berechnet die genaue Grenze einer Methode innerhalb einer eng definierten Klasse mathematischer Modelle. Ein Physiker prüfte die Hauptergebnisse. Laut Herkunftsangabe kam das öffentlich verfügbare Opus 5.5 dort unabhängig zum gleichen Hauptergebnis. Beide Arbeiten nennen ein internes Claude-Forschungsmodell. Die Zuordnung zu Fable 5.2 stammt aus der Ankündigung. Vorabpublikation zum Hawking-Page-Übergang, Vorabpublikation zur mathematischen Grenze

Mythos 5.2 half laut Anthropic bei der Strukturvorhersage für Kapside. Das sind Proteinhüllen, die auch als Transportmittel in der Gentherapieforschung untersucht werden. Im Versuch erreichten 28 von 34 untersuchten Kapsiden das gewählte Genauigkeitskriterium. Dafür musste mindestens eines der beiden eingesetzten Strukturmodelle höchstens 3 Ångström Cα-RMSD zur bekannten experimentellen Struktur erreichen. Dieses Maß fasst die räumlichen Abweichungen an den zentralen Kohlenstoffatomen des Proteinrückgrats zusammen. Für eine Aussage zur Wirksamkeit einer Therapie wären eigene Versuche nötig. Anthropics Ergebnis und Messdefinition

Vom Entwurf zum funktionierenden Prototyp

In einem separaten Hardwareversuch entwarf Fable 5.2 unter anderem eine USB-Freisprecheinrichtung. Der Partner Diode fertigte die Platinen. Anschließend montierten und testeten Ingenieure die Geräte. Laut Anthropic funktionierten alle drei Prototypen ohne Änderungen an der Elektrik. In einem weiteren Versuch steuerte Fable 5.2 einen Roboter beim Lösen eines Würfelpuzzles. Die Beispiele zeigen, welche Teile eines Forschungs- oder Entwicklungsprojekts ein Modell übernehmen kann, wenn Teams ihm passende Werkzeuge und einen überprüfbaren Auftrag geben. Anthropics Hardware- und Robotikversuche

Im KI-Weekly-Gesamtranking liegt Fable 5.2 (Max) mit 61,8 Punkten auf Platz 1. Opus 5.5 (Max) erreicht 57,8 Punkte. Der Gesamtscore bündelt mehrere Benchmarks. Wie weit die Agenten mit dem Fermat-Beweis kamen, erfasste Anthropic separat im beschriebenen Lean-Versuch. Für Mythos 5.2 gibt es in der Anthropic-Übersicht noch keinen eigenen Eintrag.

Bild in voller Größe

Für eigene Softwareprojekte ist die Frage nach Kosten und Denkstufe näher am Alltag. Die Zahlen dafür stehen im Vergleich von Fable 5.2 und Opus 5.5. Die Voraussetzungen für spezialisierte Forschung erklärt der Ratgeber zum Mythos-Zugang. Weitere Forschungsresultate ordnen wir im KI-Weekly-Newsletter ein.