Claude Mythos 5 fand Quantenschaltungen, die besser sind als der veröffentlichte Bestwert — beginnend mit einer, die die Gatterzahl um das 17-Fache senkt

Das STEM Fellows Program von A​nthropic veröffentlichte diese Woche ein Ergebnis, bei dem C​laude M​ythos 5 Spezifikationen in natürlicher Sprache für acht Quantenschaltkreise erhielt und, in einer geschlossenen Schleife gegen einen automatisierten Evaluator arbeitend, Entwürfe lieferte, die die besten veröffentlichten Entwürfe bei sieben davon übertrafen – und beim achten etwas hervorbrachte, das es in der Literatur nicht gab: eine reversible divsteps-Implementierung ohne gespeicherte Verzweigungshistorie, von der eine Variante 12 % mehr Qubits, aber 17× weniger Gatter als der kleinste bisherige Entwurf verwendet. Das Paper, Discovering state-of-the-art quantum circuits with large language models, ist auf arXiv (2610.22367, eingereicht am 15. Oktober 2026, 46 Seiten) zu finden, und sein Erstautor ist Andi Gu, ein Fellow in dem Programm, der vom Quantenphysiker Alek Kemeny betreut wird und mit Susanne Yelin und Mikhail Lukin von Harvard zusammenarbeitet. Jede der unten genannten Zahlen ist eine eigene Zahl von A​nthropic oder stammt aus den Tabellen des Papers selbst; nichts davon wurde bisher unabhängig reproduziert.

Was tatsächlich ausgeführt wurde und was nicht

Der Aufbau verdient eine präzise Beschreibung, denn die interessante Behauptung ist nicht „ein Modell hat etwas Code geschrieben.“ Anthropic gab Claude Mythos 5 eine Spezifikation für ein Rechenprimitiv, und das Modell schlug einen Schaltkreis als Python-Code vor. Ein separater Evaluator – ein Programm, kein Modell – prüfte den Schaltkreis auf Korrektheit und bewertete ihn nach der Qubit-Anzahl multipliziert mit der Gatter-Anzahl, ein Proxy für die Laufzeit. Die Bewertung ging an das Modell zurück, das daraufhin eine Überarbeitung vornahm. Zwischen den Runden war kein Mensch in den Ablauf eingebunden. Anthropics Beschreibung lautet, dass Claude „weitgehend eigenständig“ arbeitete.

Zwei Dinge an dieser Schleife leisten die Schwerarbeit. Das erste ist, dass der Evaluator unabhängig vom Vorschlagenden ist, sodass eine plausibel aussehende falsche Antwort null Punkte bekommt, anstatt eine Debatte zu gewinnen. Das zweite ist, dass die Zielfunktion eine Zahl ist, was bedeutet, dass das Modell erkennen kann, ob eine Überarbeitung geholfen hat. Das ist dieselbe Form wie eine Testsuite, die einen Coding-Agenten steuert, und es ist der Grund, warum Anthropic Quantenschaltkreise zum Studieren ausgewählt hat: Die Domäne hat eine harte, günstige, automatische Korrektheitsprüfung.

Die acht Primitive umfassen Chemie, Optimierung, Quantensimulation, Zahlentheorie und numerisches Rechnen. Zwei Einschränkungen machen dieses Gebiet ungewöhnlich. Quantenschaltkreise kennen keine Wenn-dann-Verzweigungen, weil durch die Superposition für jeden Zweig eine Operation benötigt wird; und sie können keine Information verwerfen, weil jeder Schritt reversibel sein muss. Übrig gebliebene Scratch-Werte müssen durch Rückwärtsausführen der Berechnung wieder entfernt werden, was Gatter kostet. Das erzwingt einen Trade-off zwischen Raum und Zeit, der kein klassisches Analogon hat, und genau auf diese Art von Trade-off lässt sich ein Suchprozess ansetzen.

Die vier Ergebnisse, die es wert sind, im Detail gelesen zu werden

• Divsteps / modulare Inversion über Primkörpern.Das ist die Schlagzeile. C​laude lieferte die erste reversible Divsteps-Implementierung, die keine Verzweigungshistorie speichert – eine Konstruktion, die das Paper als einen Weg beschreibt, Divsteps, einen klassischen Algorithmus, der für reversible Ganzzahlarithmetik bisher unpraktisch war, neu nutzbar zu machen. Das nutzbare Ergebnis ist eine Pareto-Verschiebung statt eines einzelnen Gewinns: Ein Mitglied der daraus entstehenden Designfamilie verbraucht 12 % mehr Qubits und 17× weniger Gatter als das kleinste vorherige Design, sodass ein Compiler mit einem übrigen Qubit-Budget nun Gatter dafür erkaufen kann.

• DQI / Reed–Solomon decoding. Claudes Decoder senkt die Gatteranzahl um den Faktor 12 gegenüber Googles vorheriger Konstruktion, teilweise indem er den erweiterten euklidischen Algorithmus durch Berlekamp–Massey-Dekodierung ersetzt. Das Speicherdetail ist das Interessante: Die Behandlung von Ausnahmen im schlimmsten Fall über 35 Runden würde 665 Qubits erfordern, und nachdem ein Simulator 403 Millionen Beispiel-Dekodierungen ausgeführt hatte, reservierte Claude stattdessen Platz für einen einzigen Wert – 19 Qubits – und akzeptierte, dass ungefähr einer von 10.000 Durchläufen mehr benötigt und fehlschlägt, eine Rate innerhalb des zulässigen Fehlerbudgets.

• Punktaddition auf elliptischen Kurven.Ein einzelner 53-stündiger Lauf mit minimalem menschlichem Zutun – ein anfängliches Briefing plus gelegentliche Prompts – brachte einen neuen Ansatz hervor. C​laude bewies die algebraischen Identitäten, testete die Formeln in groß angelegten numerischen Simulationen und formalisierte die Behauptung in Lean, was genau die Art von Selbstüberprüfung ist, die es schwerer macht, das Ergebnis als ein plausibel aussehendes Artefakt abzutun.

• Die FeMoco-Trajektorie, die einen Vorbehalt erfordert. Die Seite von A​nthropic stellt C​laudes Ergebnis der Schätzung von 2017 für die Simulation des Eisen-Molybdän-Cofaktors gegenüber: etwa 50 Billionen Toffoli-Gatter, die auf ungefähr 340 Millionen sinken, eine Reduktion um etwa den Faktor 150.000, was die Seite als ein paar Stunden auf einer zukünftigen Maschine mit etwa drei Millionen physischen Qubits beschreibt. Lesen Sie das als einen Verlauf des gesamten Feldes, nicht als ein einzelnes Ergebnis. Die Seite selbst schreibt die über acht Jahre erzielte Reduktion vielen Forschungsgruppen zu, und die ehrliche Lesart ist, dass C​laudes Design ein Schritt auf einer Kurve ist, die bereits steil abfiel.

Um die Größenordnung zu verdeutlichen, warum die DQI-Zahl wichtig ist: Die eigenen Schätzungen von Google Quantum AI legen nahe, dass ein OPI-Problem auf dem heutigen Frontier-Supercomputer etwa drei Monate dauern würde – gegenüber ungefähr einer Stunde auf einem künftigen Quantencomputer, der DQI ausführt – und der größte Teil dieser Stunde entfällt auf die Reed–Solomon-Dekodierung. Die Gatteranzahl des Decoders um 12× zu senken, ist eine Reduzierung des dominierenden Terms.

Was „den veröffentlichten Bestwert schlagen“ nicht bedeutet

Vier ehrliche Einschränkungen, genannt, bevor irgendjemand die 17× aus dem Zusammenhang reißt.

Das erste ist, dass dies ein Preprint ohne unabhängige Reproduktion ist. Anthropic hat den Evaluator ausgeführt; die Vergleichs-Baselines stammen aus den eigenen Tabellen des Papiers, wobei frühere Designs von Schrottenloher (2026), Luo et al. (2026) und Khattar et al. (2025) stammen. Der behauptete Vorteil bleibt eine Behauptung, bis jemand den Harness erneut ausführt.

Das Zweite ist, dass Schaltungsdesign eine Komponente eines Quantencomputers ist, und die Komponenten werden üblicherweise getrennt entworfen. A​nthropic weist auf die Möglichkeit hin, dass Fehlerkorrektur, Kompilierung und Hardwarebeschränkungen mit derselben Methode gemeinsam optimiert werden könnten — was eine Forschungsrichtung und kein Ergebnis ist.

Der dritte ist ein Fehlermodus, den Anthropic gegen sich selbst berichtet: In frühen Experimenten war das Modell konservativ, stellte wiederholt gut belegte Fortschritte in Frage und überprüfte Designs, die wahrscheinlich in Ordnung waren, doppelt oder dreifach. Diese Vorsicht brachte einmal einen echten Nutzen — sie regte die Lean-Beweise zum divsteps-Ergebnis an —, aber sie verzerrte auch die Suche zugunsten etablierter Ansätze. Die Abhilfe war struktureller Natur: mehrere qualitativ unterschiedliche Ansätze zu erfordern, die parallel entwickelt werden, und das Modell gelegentlich dazu aufzufordern, seine Suche auszuweiten. Jeder, der evaluatorgesteuerte Schleifen auf einem beliebigen Frontier-Modell aufbaut, wird diesen Fehlermodus erkennen, und die Behebung durch parallele Ansätze ist der übertragbare Teil.

Der vierte Punkt ist, dass sieben von acht Aufgaben bei einer bestehenden Formulierung eine bessere Punktzahl erzielten und eine eine neue Formulierung hervorbrachte. Das sind unterschiedliche Arten von Ergebnissen, und die eigene Rahmung des Papers behandelt das achte als das interessante, weil eine Suche, die nur Parameter innerhalb einer bekannten Struktur abstimmt, eine Obergrenze hat.

Der Teil, der über das Quantencomputing hinaus verallgemeinerbar ist

Zieht man die Physik heraus, dann ist das, was A​nthropic gebaut hat, ein Vorschlagsgenerator und ein unabhängiger Prüfer, miteinander verbunden, mit einem skalaren Ziel, das beide Seiten sehen können. Dieses Muster ist heute die Standardform ernsthafter agentischer Arbeit: Ein Modell generiert, ein anderes verifiziert, und die Schleife endet, wenn ein Test besteht, und nicht, wenn sich die Ausgabe gut liest. Die Lektion, die das Quantenpapier hinzufügt, betrifft die Ehrlichkeit des Kritikers – der Evaluator ist hier kein zweites Modell, das eine Meinung abgibt. Er ist ein Simulator, der den Schaltkreis entweder akzeptiert oder nicht.

Wo ein Programm nicht der Richter sein kann, ist die zweitbeste Struktur ein anderes Modell als Richter, und das ist eher ein Routing-Problem als ein Forschungsproblem. Die Routing-DSL von OrcaRouter komponiert mehrere Modelle in einen einzigen Aufruf, sodass ein günstiges Modell den Proposer-Zweig mit hohem Volumen ausführen kann, während ein stärkeres nur im Verifikationsschritt aufgerufen wird, und Modellfusion ein Panel von Modellen gegen denselben Prompt laufen lässt, wenn eine einzelne Meinung nicht vertrauenswürdig ist. Der Punkt ist nicht, dass ein Router die Schaltkreise entworfen hat – hat er nicht, und die Schleife von A​nthropic braucht keinen. Der Punkt ist, dass die Schleife, die A​nthropic beschreibt, auf einem einzigen Endpunkt über 200+ Modelle hinweg ohne zweiten Vertrag baubar ist, und die Kosten der Schleife werden davon dominiert, wie viele Proposer-Runden man sich leisten kann.

Wo man so etwas tatsächlich ausführen kann

Claude Mythos 5 selbst lässt sich nicht aufrufen. Es ist auf geprüfte Partner und Mitglieder von Verifikationsprogrammen beschränkt, es erscheint in keiner öffentlichen API und wird hier nicht geroutet – ein gegatetes Modell kann nicht an die Öffentlichkeit geroutet werden. Erreichbar ist sein öffentliches Pendant. Anthropic liefert jeden Frontier-Schritt als zwei SKUs mit denselben Gewichten: die Mythos-SKU mit Cyber- und Biologie-Safeguards, die auf geprüfte Verteidiger abgestimmt sind, und die Fable-SKU, bei der der vollständige Safeguard-Stack eingeschaltet bleibt.Claude Fable 5 ist das nicht gegatete Mitglied der Generation von Claude Mythos 5 und steht im OrcaRouter-Katalog zu Anthropics Listenpreis von 10 $ pro Million Input-Tokens und 50 $ pro Million Output-Tokens, durchgereicht mit 0 % Aufschlag, mit dem neueren Claude Fable 5.1 – dem öffentlichen Zwilling von Claude Mythos 5.1 – daneben zum selben Tarif und mit einem um 75 % niedrigeren Cache-Read. Das ist der praktische Weg zur Fähigkeitsstufe, um die es in dem Paper geht, und es kostet die Zahl des Anbieters selbst statt einer aufgeschlagenen.

Offen gesagt: Die Fortschritte des Papers kamen aus einer Schleife, nicht aus einem einzelnen Prompt. Wer versucht, das zu reproduzieren, sollte Hunderte Runden aus Proposition, Bewertung und Überarbeitung pro Primitive einplanen und ein Modell wählen, dessen Kosten pro Runde für ihn tragbar sind. Das ist das Argument dafür, die Schleife hinter einen Router mit automatischem Failover zu legen, statt eine zwölfstündige Suche darauf zu verwetten, dass ein Anbieter einen guten Nachmittag erwischt.

Was als Nächstes ansehen

Drei überprüfbare Punkte. Ein unabhängiger erneuter Durchlauf des Evaluators auf den divsteps- und DQI-Schaltungen, denn nur so werden die 17× und 12× mehr als die Zahlen von Anthropic. Ob das Harness selbst veröffentlicht wird, denn die Feedbackschleife ist der wiederverwendbare Beitrag und die Schaltungen sind die Demonstration. Und ob dasselbe Proposer-und-Evaluator-Muster bei einem Problem auftaucht, bei dem Korrektheit nicht maschinell überprüfbar ist, denn dort ist die Modell-als-Richter-Frage nicht mehr nur akademisch.

Bis dahin lautet die faire Zusammenfassung, dass ein zugangsbeschränktes Frontier-Modell, auf eine Domäne mit einer billigen Zielfunktion gerichtet und 53 Stunden lang sich selbst überlassen, eine Ressourcengrenze verschoben hat, an der menschliche Forscher seit acht Jahren gearbeitet hatten. Das ist es wert, ernst genommen zu werden – aufgrund der Methode, auch wenn die konkreten Multiplikatoren weiterhin als die des Anbieters gekennzeichnet bleiben.

Nichts davon ist hypothetisch: Die dokumentierten KI-Ausfälle und Agent-Vorfälle, die hinter Releases wie diesem stehen, finden sich im OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Konfidenzgrad und sein Umstritten-Flag führt.