Lo que dice Anthropic haber obtenido
Anthropic publicó el 16 de octubre unos resultados en los que sostiene que su modelo Claude Mythos 5 produjo circuitos cuánticos mejores que los diseños de la literatura publicada para ocho primitivas de cálculo, que abarcan química, optimización, simulación cuántica, teoría de números y cálculo numérico.
Dos se describen en detalle en el texto de la empresa. La primera es la suma de puntos de curva elíptica, el paso interno de los algoritmos cuánticos para el problema del logaritmo discreto. Uno de los diseños del modelo usa un 12% más de cúbits que el circuito más pequeño anterior, pero 17 veces menos puertas. Anthropic señala que el conjunto de diseños amplía la frontera de compromisos entre número de cúbits y tiempo de ejecución, en lugar de ganar en una sola cifra.
La segunda es la decodificación Reed-Solomon dentro de la interferometría cuántica decodificada, o DQI, aplicada a la intersección óptima de polinomios. Allí el circuito del modelo recorta el número de puertas unas 12 veces frente a la construcción anterior de Google Quantum AI, lo que Anthropic describe como algo más de un orden de magnitud más barato en total.
Cómo funcionaba el bucle
Claude escribía cada circuito como código Python. Un evaluador externo comprobaba que el circuito hiciera lo que exigía la especificación y puntuaba los válidos multiplicando número de cúbits por número de puertas, una aproximación al tiempo de ejecución. La puntuación volvía al modelo, que revisaba y lo intentaba de nuevo. Anthropic dice que ningún humano intervino entre rondas.
El resultado de la suma de puntos salió de una única ejecución de 53 horas iniciada con un encargo de un párrafo, durante la cual el modelo exploró varios enfoques en paralelo. De vez en cuando algún humano le pidió ampliar la búsqueda. Para el paso de inversión modular, Claude construyó una versión reversible del algoritmo divsteps, dedujo matemáticamente la regla de decodificación, la contrastó con simulaciones a gran escala y luego formalizó la afirmación en Lean.
El resultado del decodificador depende de la memoria. Una implementación reversible ingenua necesitaría hasta 840 cúbits para guardar registros de ramas, y reservar para el peor caso aún requeriría 665. El circuito de Claude reserva 19, después de que un simulador ejecutara 403 millones de decodificaciones de muestra para medir con qué frecuencia hace falta más. Alrededor de una ejecución de cada 10.000 falla por falta de espacio, algo que, según Anthropic, cabe dentro del margen de error que la tarea permite.
Por qué importa el decodificador
Las propias estimaciones de recursos de Google Quantum AI convierten la decodificación en el coste dominante de DQI, de modo que un recorte ahí mueve toda la estimación. Anthropic compara sus circuitos con los diseños publicados que dice superar, citados por nombre: Schrottenloher y Luo et al., ambos de 2026, para la suma de puntos, y la construcción basada en el algoritmo de Euclides extendido de Khattar et al., de 2025, para el decodificador.
Lo que no se afirma
Anthropic no informa de haber ejecutado ninguno de estos circuitos en hardware cuántico físico, ni afirma que los diseños sean óptimos: solo que superan a los mejores publicados en la métrica indicada. No da cifras en el texto para las otras seis primitivas y remite a una figura. También recuerda que el diseño de circuitos es una pieza de un ordenador cuántico en funcionamiento, con la corrección de errores y el control del hardware como problemas aparte, y que un diseño más rápido “podría” acortar el camino, sin fijar ninguna fecha.
La empresa es franca sobre el carácter del modelo: lo describe como conservador, propenso a dudar de sus propios resultados y a recurrir a enfoques conocidos salvo que se le pida mirar más lejos. La caída, muy citada, del coste estimado de simular el FeMoco, de unos 50 billones de puertas Toffoli en 2017 a unos 340 millones, procede de la literatura general y no del trabajo de Claude.
Qué vigilar
Todas las cifras son de Anthropic y las puntúa un evaluador construido por Anthropic. La prueba es si alguien de fuera vuelve a pasar el evaluador por los circuitos de divsteps y DQI y obtiene los mismos números.
