O que a Anthropic diz ter obtido
A Anthropic publicou em 16 de outubro resultados em que afirma que seu modelo Claude Mythos 5 produziu circuitos quânticos melhores do que os projetos da literatura publicada para oito primitivas de cálculo, abrangendo química, otimização, simulação quântica, teoria dos números e computação numérica.
Duas são descritas em detalhe no texto da empresa. A primeira é a soma de pontos de curva elíptica, o passo interno dos algoritmos quânticos para o problema do logaritmo discreto. Um dos projetos do modelo usa 12% mais qubits do que o menor circuito anterior, mas 17 vezes menos portas. A Anthropic observa que o conjunto de projetos amplia a fronteira de compromissos entre número de qubits e tempo de execução, em vez de vencer num único número.
A segunda é a decodificação Reed-Solomon dentro da interferometria quântica decodificada, ou DQI, aplicada à interseção ótima de polinômios. Ali o circuito do modelo corta o número de portas em cerca de 12 vezes frente à construção anterior do Google Quantum AI, o que a Anthropic descreve como pouco mais de uma ordem de grandeza mais barato no total.
Como o laço funcionava
O Claude escrevia cada circuito como código Python. Um avaliador externo verificava se o circuito fazia o que a especificação exigia e pontuava os válidos multiplicando número de qubits por número de portas, uma aproximação do tempo de execução. A nota voltava ao modelo, que revisava e tentava de novo. A Anthropic diz que nenhum humano interveio entre as rodadas.
O resultado da soma de pontos saiu de uma única execução de 53 horas iniciada a partir de uma encomenda de um parágrafo, durante a qual o modelo explorou várias abordagens em paralelo. Humanos ocasionalmente o instigaram a ampliar a busca. Para o passo de inversão modular, o Claude construiu uma versão reversível do algoritmo divsteps, derivou a regra de decodificação matematicamente, conferiu-a com simulações de grande escala e depois formalizou a afirmação em Lean.
O resultado do decodificador depende da memória. Uma implementação reversível ingênua precisaria de até 840 qubits para guardar registros de ramos, e reservar para o pior caso ainda exigiria 665. O circuito do Claude reserva 19, depois que um simulador rodou 403 milhões de decodificações de amostra para medir com que frequência é preciso mais. Cerca de uma execução em 10.000 falha por falta de espaço, o que, segundo a Anthropic, cabe na margem de erro que a tarefa permite.
Por que o decodificador importa
As próprias estimativas de recursos do Google Quantum AI fazem da decodificação o custo dominante no DQI, de modo que um corte ali desloca toda a estimativa. A Anthropic compara seus circuitos com os projetos publicados que diz superar, citados pelo nome: Schrottenloher e Luo et al., ambos de 2026, para a soma de pontos, e a construção com algoritmo de Euclides estendido de Khattar et al., de 2025, para o decodificador.
O que não é afirmado
A Anthropic não relata ter rodado nenhum desses circuitos em hardware quântico físico nem afirma que os projetos sejam ótimos: apenas que superam os melhores publicados na métrica indicada. O texto não dá números para as outras seis primitivas e remete a uma figura. A empresa também lembra que o projeto de circuitos é uma peça de um computador quântico em funcionamento, com correção de erros e controle de hardware como problemas à parte, e que um projeto mais rápido “poderia” encurtar o caminho, sem fixar data.
A empresa é franca sobre o temperamento do modelo, que descreve como conservador, inclinado a duvidar dos próprios resultados e a recorrer a abordagens conhecidas a menos que lhe peçam olhar mais longe. A queda muito citada no custo estimado de simular o FeMoco, de cerca de 50 trilhões de portas Toffoli em 2017 para cerca de 340 milhões, vem da literatura ampla e não do trabalho do Claude.
O que observar
Todos os números aqui são da própria Anthropic, pontuados por um avaliador que a Anthropic construiu. O teste é se alguém de fora refaz a avaliação nos circuitos divsteps e DQI e chega aos mesmos valores.
