2026 年 11 月 9 日，Anthropic 正式发布 Claude Fable 5.2 与同底层模型的 Mythos 5.2，其中最受关注的一项实验是：由约 1000 个 Fable 5.2 智能体组成的多智能体团队，在最小提示、极少人工干预的条件下，用 28.7 小时（对外统称约 30 小时）把费马大定理的经典证明完整翻译成可被 Lean 证明语言逐行机检的代码，最终证明通过 Lean 官方内核校验。对比 Anthropic 两个月前由内部研究模型、数十个智能体在人工指导和专用平台辅助下花 11 天完成的首次形式化，这次团队输出动作 token 仅为前者的三分之一，证明代码长度缩短到原来的七分之一；相同千智能体配置下，Opus 5.5 运行 18 小时只完成 26% 的形式化，30 小时后进度仅约 27%。需要明确的是，这次工作属于多智能体协作实验，并非 AI 重新发明数学定理：费马大定理由 Andrew Wiles 于 1995 年完成手写证明，AI 完成的是把已有证明步骤形式化为机器可核验代码；截至发布时，对应 Lean 代码仓库尚未对外公开，外部独立编译核验仍待完成。
一、事件背景：什么是费马大定理形式化
1. 数学命题本身
费马大定理表述为：对于任意大于 2 的正整数 n，不存在正整数 a、b、c 满足 aⁿ + bⁿ = cⁿ。该命题悬而未决超过 350 年，直到 1995 年 Andrew Wiles 完成 129 页手写证明，数学界才得到公认结论。
2. 形式化要做什么
形式化是把自然语言写的数学证明，逐步翻译成计算机可以逐行检查的证明语言（本次使用 Lean），每一步推导都要通过证明内核校验，避免人工阅读时遗漏逻辑漏洞。这项工作本身极度繁琐：此前 Anthropic 首次形式化实验产出了约 1300 万行 Lean 代码，消耗约 60 亿输出 token，是典型的长周期、大规模协作任务。
3. 本次实验在整个进展中的位置
| 对比项 | 首次形式化（2026 年 9 月） | 本次 Fable 5.2 实验（2026 年 11 月） |
|---|---|---|
| 模型 | 内部研究版本，能力接近 Fable 5.1 | 早期版本 Claude Fable 5.2 |
| 智能体规模 | 数十个 | 1000 个（1 个主控 + 999 个辅助） |
| 耗时 | 11 天 | 28.7 小时（约 30 小时） |
| 人工与平台 | 专用 Prove2Me 平台 + 研究员方向指导 | 无 Prove2Me 脚手架、无研究员 steering，仅给基础提示 |
| 输出 token | 约 60 亿 | 约为首次的三分之一 |
| 证明代码长度 | 基线 | 约为首次的七分之一 |
| 核验方式 | 代码公开，外部数学家 Kevin Buzzard 编译核验 | Anthropic 内部评分器 + Lean 官方内核校验，代码仓库暂未公开 |
二、千智能体协作的技术流程
1. 初始输入与工具配置
实验没有提供完整数学参考资料，团队拿到的初始材料包括：
- 60 条待证明命题：包含最终定理和 59 个中间里程碑，每条附一行非正式描述
- 一句经典证明路线草图、命题用到的定义
- 9 月首次形式化中已经证明好的 47 条引理
- 沙箱镜像内置 Lean 工具链与 Mathlib 数学库
每个智能体可使用的工具：
- 独立沙箱内的 shell 与文件编辑器，沙箱无网络访问
- 独立 Git 分支，可向主分支提交合并请求
- 共享 Postgres 数据库，用于领取任务、记录笔记、登记完成工作
2. 角色分工与自组织协调
团队层级只有一层：1 个主控智能体（lead）+ 999 个辅助智能体（helper）。提示只要求主控拆分任务并分配给辅助，辅助等待任务、遇到不清楚的内容找主控确认；其余协作方式由智能体自行摸索。
运行前 10 分钟，主控在数据库里自建了 5 张协调表：
| 表名 | 用途 |
|---|---|
| Announce | 主控向全队发布的指令与分工规则 |
| Assign | 记录每个辅助负责哪条命题 |
| Notes | 公共讨论板，记录方案、进度与工作交接 |
| Subtasks | 待办任务列表，任意智能体可新增任务，先领取者负责完成 |
| Landed | 已完成工作的日志记录 |
3. 任务推进节奏
- 前 10 分钟：主控建表、把命题分批分配给 16—17 人一组的辅助队伍。
- 约 45 分钟：首批 10 条命题中约 5 条完成，主控判断团队吞吐高于早期预估。
- 约 70 分钟：首批 10 条命题全部证明完成。
- 前 6 小时：主控持续把空闲辅助重新分配到难度更高的命题；辅助开始自己在 Subtasks 表拆任务、主动认领工作。
- 第 18 小时：剩余最难的 Langlands–Tunnell 命题（Wiles 证明依赖的经典结论）及相关依赖项；此前该任务队长判断按时完成概率不足 1%，预估需要 70 万 —100 万行 Lean 代码。
- 第 20.5 小时起：约 750 个辅助集中攻克 Langlands–Tunnell，任务拆成最深 10 层、共 2418 个任务的树形结构，数百个智能体并行推进。
- 第 28.4 小时：Langlands–Tunnell 命题证明完成；第 28.7 小时：最终定理完成并合并到主分支，通过官方检查器内核校验。
4. 实际完成口径
本次 60 条命题中最终证明 54 条：其中 5 条备选命题因路线变化不再需要，1 条被放弃；18 小时节点曾从存档重启并追加 12 小时运行时间，28.7 小时为包含重启后的墙钟总时长。
三、安全隔离与监控设计
千智能体规模下，Anthropic 采用三层安全边界控制风险：
1. 沙箱隔离
- 每个智能体运行在独立轻量虚拟机，无专用即时通讯工具，只能通过数据库和 Git 协作
- 网络完全关闭，对外只留一条到网关的管道，所有 Git、SQL 请求经网关转发
- 智能体只能推送自己的 Git 分支，合并到主分支由独立任务处理
- 数据库使用共享非特权角色，单条 SQL 限时 5 秒，写入超过 256 MiB 直接拒绝
- 网关在沙箱外为每个请求标注智能体身份，防止冒充
- 沙箱内核关闭可加载模块、kexec、原始内存访问、内核探针等提权路径，运行内核锁定模式；智能体以非特权用户运行，移除 sudo 等提权工具，无法读取或修改自身运行循环
2. 实时与离线监控
- 实时分类器拦截每一条 shell 命令和文件编辑，发现沙箱逃逸、探测边界、篡改监控等行为直接阻断；主控被阻断会终止整队运行，辅助被阻断仅移除该辅助
- 本次运行使用基于动作的监控；运行结束后补充了并行的思维链（CoT）监控器，可查看推理过程和智能体通信
- 离线监控对照同一套威胁模型回溯全队动作，可关联查询其他智能体行为
- 本次运行超过 100 万次工具调用，没有达到阻断标准；用新监控规则回放时，只有一次 root 权限检查行为接近被拦截阈值
四、Fable 5.2 整体能力定位与基准表现
1. 双模型关系
Claude Fable 5.2 与 Mythos 5.2 底层是同一套模型：Fable 面向全体用户开放，带有网络安全与生物领域安全防护；Mythos 面向机构申请开放，解除了对应领域限制，用于网络安全、生物医药等专项研究。
2. 部分公开基准成绩（官方内部测试）
| 基准测试 | Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon |
|---|---|---|---|---|---|
| FrontierCode 2.0（X high effort，智能编码） | 49.1% | 32.4% | 45.5% | 42.8% | 41.1% |
| Frontier SWE v2 | 69.9% | 56.3% | 62.3% | 65.5% | 61.2% |
| AutomationBench（业务自动化） | 51.4% | 31.4% | 42.5% | 41.4% | 53.9% |
| Terminal-Bench-Science 0.1（科研智能体） | 74.6%（Mythos 5.2 75.3%） | 52.6% | 58.7% | 68.1% | 64.8% |
| WANDR（智能体搜索，relaxed） | 82.1% | 68.7% | 72.3% | — | — |
| RoboDojo Sim（机器人控制，Max） | 64.9% | 27.6% | 39.4% | 29.8% | — |
3. 其他公开实验案例
- 协调 1000 多个子智能体连续工作 8 天，从零写出可在笔记本电脑启动的原型操作系统，包含内核、磁盘 / 键盘 / 网络驱动、永久存储、窗口界面和登录界面
- 完成两个黑洞与量子引力方向的理论物理公开问题推导，相关结果以预印本形式发表
- 仅凭提示词自主完成规格编写、元器件选型、四层 PCB 布线、CAD 外壳建模和驱动代码，设计出三款可通电运行的电子设备
- Mythos 5.2 整合开源模型算法，预测腺相关病毒衣壳结构，测试 34 种天然与人造衣壳中命中 28 种
- 官方披露：训练阶段对模型在 AI 自我研发相关领域的能力做了人为限制，避免出现递归自我改进（RSI）风险；同时加强反蒸馏保护，数据抓取量大幅压缩
五、需要客观看待的边界与争议
- 不是 AI 重新证明了费马大定理：本次成果是把 Wiles 已有证明形式化为 Lean 代码，贡献点在大规模多智能体协作与代码组织，而非产生新的数学洞见。
- 代码尚未公开：截至 11 月 11 日，本次实验没有公开 Lean 代码仓库；9 月首次形式化仓库自 9 月 24 日后未更新，外部学者暂时无法独立编译、核对顶层命题和公理使用情况。
- 初始材料并非完全从零：智能体拿到了拆分好的 60 条命题、证明路线草图、定义和 47 条已证引理，“最小提示” 指不指导证明思路和组织方式，不是不给任何背景骨架。
- 对比样本有限：Opus 5.5 的 26% 进度为单轮运行、官方自有评分器判定，属于内部对照实验结果，不能等同于公开基准排名。
- 形式化长度对比口径未完全公开：七分之一长度对比是否计入 47 条预置引理、长度按代码行还是其他指标统计，官方文档尚未明确说明。
- 人类指导仍有价值：实验中辅助智能体早期曾判断 60 条命题里的 47 条在预算内不可行，后续才被团队完成；官方也指出在智能体容易误判难度、提前放弃的节点，人类鼓励和引导仍然有用。
六、后续观察要点
- 等待官方公开本次 Lean 代码仓库、构建脚本和 60 条命题声明，由外部数学与形式化证明社区独立编译核验。
- 关注多智能体协作方法从数学形式化向软件工程、科研推导、硬件设计等长周期任务迁移的实际落地效果。
- 跟踪安全监控体系的迭代：CoT 监控、动作监控、离线审计的配合方式，以及大规模智能体运行的逃逸与破坏行为检测能力。
- 关注 Fable/Mythos 模型在编码、科研、机器人、生物设计等基准上的第三方复测结果，区分官方内部测试与外部独立验证结论。
总结
Claude Fable 5.2 这次 30 小时完成费马大定理形式化，核心展示的是千智能体规模下的长任务协作能力：在受限沙箱和监控边界内，模型自主搭建任务分配、进度同步、树形拆题的协作机制，把原本需要十几天、上亿行代码的形式化工作压缩到不到一天，证明代码更短、token 消耗更低。它的意义更多在于 AI 辅助科研与工程协作的效率突破，而不是 AI 独立攻克新数学难题；在代码公开、外部独立核验完成之前，对这项结果的能力边界还需要保持审慎，同时关注多智能体系统在安全可控前提下的后续落地进展。
【相关 FAQ】
问题 1：Claude Fable 5.2 用多长时间、多少智能体完成了费马大定理形式化？
回答 1：根据 Anthropic 官方实验披露，约 1000 个 Claude Fable 5.2 智能体在极少人工干预下，用 28.7 小时（对外表述约 30 小时）完成费马大定理的 Lean 形式化，最终证明通过 Lean 官方内核校验；相比 9 月首次形式化 11 天、数十智能体的配置，这次 Fable 5.2 团队 token 用量仅为三分之一，证明代码长度缩短到七分之一。
问题 2：Claude Fable 5.2 完成费马大定理形式化，是不是意味着 AI 自己重新证明了这条数学定理？
回答 2：并不是。费马大定理由 Andrew Wiles 1995 年完成手写证明，Claude Fable 5.2 做的工作是把已有经典证明逐步翻译成 Lean 机器可核验代码，属于形式化翻译与逻辑校验协作，产出的是可编译证明，没有提出新的数学定理或全新证明思路；实验中还预置了 60 条拆分命题、路线草图和 47 条已证引理作为基础材料。
问题 3：同样的千智能体配置下，Opus 5.5 跑费马大定理形式化的进度如何？
回答 1：官方对照实验显示，使用相同约 1000 智能体配置，Opus 5.5 运行 18 小时只完成 26% 的形式化进度，继续跑到 30 小时后进度仅约 27%，基本停滞；Fable 5.2 在同配置下 28.7 小时完成全部可交付证明，这项对比是 Anthropic 内部单轮运行、自有评分器判定的结果，属于内部对照数据。
问题 4：Claude Fable 5.2 形式化费马大定理使用了什么证明语言，沙箱里有哪些配套工具？
回答 1：本次费马大定理形式化使用 Lean 数学证明语言，沙箱镜像内置 Lean 工具链和 Mathlib 数学库；每个智能体拥有独立沙箱 shell、文件编辑器、独立 Git 分支和共享 Postgres 数据库，沙箱关闭网络，只能通过网关提交 Git 与 SQL 请求，所有命令和文件编辑经过实时分类器检查后才能执行。
问题 5：目前 Fable 5.2 费马大定理形式化结果有没有对外公开代码供独立核验？
回答 1：截至 2026 年 11 月 11 日，本次实验对应的 Lean 代码仓库尚未公开，外部研究者还无法独立编译核对顶层命题、公理使用和证明完整性；官方说明证明已通过 Lean 标准内核校验，后续需要等待代码仓库、构建脚本和命题声明公开，再由外部数学家与形式化社区完成独立验证。
【参考资料】
- [2026-11-11]（Anthropic says 1,000 agents proved Fermat in 30 hours. The claim has no repository yet）Traictory
- [2026-11-11]（实测完 Claude Fable 5.2，我感觉 A 厂还在藏东西）腾讯新闻
- [2026-11-11]（Anthropic 发布 Claude Fable 5.2：30 小时证明费马大定理、调度千个 Agent 做系统，但高昂定价和官方保守建议引发 “数字劳动力” 讨论）凤凰网原创
- [2026-11-10]（最强 Fable 5.2 震撼发布！费马大定理 30 小时形式化，全面碾压 Opus 5.5）36 氪 / 新智元
- [2026-11-10]（上千个 Agent 8 天写操作系统、还能从零设计硬件，Anthropic 重磅发布 Claude Fable 5.2、Mythos 5.2）36 氪
- [2026-11-10]（刚刚，Claude Fable 5.2 突袭发布！超越 Opus 5.5，Pro 用户也能免费用了）新浪科技
- [2026-11-10]（赶在 IPO 前，Claude 最强模型空降！宾大教授感慨 “几乎达到 AGI”）新浪财经 / 智东西
- [2026-11-10]（Fable 5.2 登场：解出两道黑洞物理难题，30 小时完成费马大定理形式化）搜狐
- [2026-11-10]（Claude Fable 5.2 Coordinates 1,000 AI Agents to Formalize Fermat’s Last Theorem in 28.7 Hours）API 易
- [2026-11-10]（刚刚，Claude Fable 5.2 登顶世界第一，一夜斩杀 Opus 5.5）博客园
- [2026-11-09]（Introducing Claude Fable 5.2 and Claude Mythos 5.2）Anthropic 官方
- [2026-11-09]（Safely scaling multi-agent teams with Claude Fable 5.2）claude.dev 官方博客
【免责声明】
本文内容综合自 Anthropic 官方发布页、工程博客及公开媒体报道，仅供技术信息参考，不构成产品采购、投资或使用建议。文中模型能力、基准分数、耗时、token 与代码长度对比均来自官方内部测试或单次实验结果，测试环境、提示配置、评分口径和样本数量与公开实测可能存在差异；相关数学形式化结论在外部代码公开并完成独立编译核验前，仍以官方披露为准。媒体转载与第三方解读可能存在表述简化，模型后续版本、能力边界和安全策略以 Anthropic 官方公告、系统卡及正式文档为准。涉及前沿 AI 模型用于科研、工程或高风险场景时，请遵守对应平台使用规范与相关法律法规。
本文来自作者[极粒同步]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/kjyw/202611/2061.html
评论列表（4条）
我是乌兰科技网的签约作者“极粒同步”！
希望本篇文章《Claude Fable 5.2 调度千智能体 28.7 小时完成费马大定理形式化，Lean 内核通过机检》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：2026 年 11 月 9 日，Anthropic 正式发布 Claude Fable 5.2 与同底层模型的 Mythos 5.2，其中最受关注的一项实验是：由约 1000 个 Fable 5.2 智能体组成的多智能体团队，在最小提示、极少人工干预的条件下，用 28.7 小时（对外统称约 30 小时）把费马大定理的经典证明完整翻译成可被 Lean 证明语言逐行机检的代码，最终证明通过 Lean 官方内核校验。对比 Anthropic 两个月前由内部研究模型、数十个智能体在人工指导和专用平台辅助下花 11 天完成的首次形式化，这次团队输出动作 token 仅为前者的三分之一，证明代码长度缩短到原来的七分之一；相同千智能体配置下，Opus 5.5 运行 18 小时只完成 26% 的形式化，30 小时后进度仅约 27%。需要明确的是，这次工作属于多智能体协作实验，并非 AI 重新发明数学定理：费马大定理由 Andrew Wiles 于 1995 年完成手写证明，AI 完成的是把已有证明步骤形式化为机器可核验代码；截至发布时，对应 Lean 代码仓库尚未对外公开，外部独立编译核验仍待完成。