Vad Anthropic säger sig ha fått
Anthropic publicerade den 16 oktober resultat där bolaget hävdar att modellen Claude Mythos 5 tog fram kvantkretsar som slår de bästa designerna i den publicerade litteraturen för åtta beräkningsprimitiver, inom kemi, optimering, kvantsimulering, talteori och numerisk beräkning.
Två beskrivs i detalj i bolagets text. Den första är addition av punkter på elliptiska kurvor, det inre steget i kvantalgoritmer för det diskreta logaritmproblemet. En av modellens designer använder 12 procent fler kvantbitar än den minsta tidigare kretsen, men 17 gånger färre grindar. Anthropic påpekar att uppsättningen designer vidgar fronten av avvägningar mellan antal kvantbitar och körtid, snarare än att vinna på en enda siffra.
Den andra är Reed-Solomon-avkodning inuti avkodad kvantinterferometri, DQI, tillämpad på optimal polynomskärning. Där skär modellens krets ned antalet grindar ungefär 12 gånger jämfört med Google Quantum AI:s tidigare konstruktion, vilket Anthropic beskriver som drygt en tiopotens billigare totalt.
Hur slingan fungerade
Claude skrev varje krets som Python-kod. En extern utvärderare kontrollerade att kretsen gjorde det specifikationen krävde och poängsatte de giltiga med antal kvantbitar gånger antal grindar, ett närmevärde för körtid. Poängen gick tillbaka till modellen, som gjorde om och försökte igen. Enligt Anthropic grep ingen människa in mellan omgångarna.
Resultatet för punktaddition kom ur en enda körning på 53 timmar som startades från ett uppdrag på ett stycke, där modellen utforskade flera angreppssätt parallellt. Ibland uppmanade människor den att vidga sökningen. För steget med modulär invertering byggde Claude en reversibel version av algoritmen divsteps, härledde avkodningsregeln matematiskt, stämde av den mot storskaliga simuleringar och formaliserade sedan påståendet i Lean.
Avkodarresultatet hänger på minnet. En naiv reversibel implementering skulle behöva upp till 840 kvantbitar för att hålla grenregister, och att reservera för värsta fallet skulle ändå kräva 665. Claudes krets reserverar 19, efter att en simulator kört 403 miljoner avkodningar för att mäta hur ofta mer behövs. Ungefär en körning av 10 000 misslyckas av utrymmesbrist, vilket Anthropic säger ryms inom den felmarginal uppgiften tillåter.
Varför avkodaren spelar roll
Google Quantum AI:s egna resursuppskattningar gör avkodningen till den dominerande kostnaden i DQI, så en minskning där flyttar hela uppskattningen. Anthropic jämför sina kretsar med de publicerade designer bolaget säger sig slå, namngivna: Schrottenloher och Luo et al., båda 2026, för punktaddition, och konstruktionen med utvidgade Euklides algoritm av Khattar et al. från 2025 för avkodaren.
Vad som inte påstås
Anthropic rapporterar inte att någon av kretsarna körts på fysisk kvanthårdvara och hävdar inte att designerna är optimala, bara att de slår de bästa publicerade på det angivna måttet. Texten ger inga siffror för de övriga sex primitiverna utan hänvisar till en figur. Bolaget påminner också om att kretsdesign är en del av en fungerande kvantdator, med felkorrigering och hårdvarustyrning som egna problem, och att snabbare design “skulle kunna” korta vägen, utan att sätta något datum.
Företaget är uppriktigt om modellens läggning och beskriver den som försiktig, benägen att ifrågasätta sina egna resultat och att greppa efter välkända metoder om den inte ombeds leta vidare. Det ofta citerade fallet i uppskattad kostnad för att simulera FeMoco, från ungefär 50 biljoner Toffoli-grindar 2017 till omkring 340 miljoner, kommer från litteraturen i stort och inte från Claudes arbete.
Vad man ska följa
Varje siffra här är Anthropics egen, satt av en utvärderare Anthropic byggt. Provet blir om någon utanför bolaget kör om utvärderaren på divsteps- och DQI-kretsarna och får samma tal.
