Claude Mythos 5 encontró circuitos cuánticos mejores que el mejor publicado — empezando por uno que reduce las puertas 17×

El programa STEM Fellows de Anthropic publicó esta semana un resultado en el que Claude Mythos 5 recibió especificaciones en lenguaje claro para ocho circuitos cuánticos y, trabajando en un bucle cerrado contra un evaluador automatizado, devolvió diseños que superaron a los mejores publicados en siete de ellos — y en el octavo produjo algo que la literatura no tenía: una implementación reversible de divsteps sin historial de ramas almacenado, uno de cuyos miembros usa un 12% más de qubits pero 17× menos puertas que el diseño anterior más pequeño. El artículo, Descubriendo circuitos cuánticos de vanguardia con grandes modelos de lenguaje, está en arXiv (2610.22367, enviado el 15 de octubre de 2026, 46 páginas), y su autor principal es Andi Gu, un fellow del programa, mentorizado por el físico cuántico Alek Kemeny y trabajando con Susanne Yelin y Mikhail Lukin, de Harvard. Todos los números a continuación son de Anthropic o provienen de las propias tablas del artículo; ninguno ha sido reproducido de forma independiente todavía.

Qué se ejecutó realmente y qué no

Vale la pena describir la configuración con precisión, porque la afirmación interesante no es «un modelo escribió algo de código». Anthropic le dio a Claude Mythos 5 una especificación para una primitiva computacional, y el modelo propuso un circuito en Python. Un evaluador aparte —un programa, no un modelo— comprobó la corrección del circuito y lo puntuó según el número de qubits multiplicado por el número de puertas, un proxy del tiempo de ejecución. La puntuación volvió al modelo, que hizo revisiones. No hubo ningún humano en el bucle entre rondas. La descripción de Anthropic es que Claude trabajó «en gran medida por su cuenta».

Dos cosas de ese bucle están haciendo el trabajo pesado. La primera es que el evaluador es independiente del proponente, por lo que una respuesta incorrecta que parece plausible obtiene un cero en lugar de ganar una discusión. La segunda es que el objetivo es un número, lo que significa que el modelo puede saber si una revisión ayudó. Esto tiene la misma forma que una suite de pruebas que dirige a un agente de programación, y es la razón por la que Anthropic eligió los circuitos cuánticos para estudiar: el dominio tiene una verificación de corrección estricta, barata y automática.

Las ocho primitivas abarcan química, optimización, simulación cuántica, teoría de números y computación numérica. Dos restricciones hacen que el dominio sea inusual. Los circuitos cuánticos no tienen ramificación if-then, porque la superposición implica que se necesita una operación para cada rama; y no pueden descartar información, porque cada paso debe ser reversible. Los valores temporales sobrantes tienen que ser descalculados ejecutando el cálculo hacia atrás, lo que cuesta puertas. Eso impone una disyuntiva entre espacio y tiempo que no tiene análogo clásico, y es exactamente el tipo de disyuntiva hacia la que se puede orientar un proceso de búsqueda.

Los cuatro resultados que vale la pena leer en detalle

• Divsteps / inversión modular en campos primos. Este es el titular. C​laude produjo la primera implementación reversible de divsteps que no almacena ningún historial de ramas — una construcción que el artículo describe como la que hace que divsteps, un algoritmo clásico antes poco práctico para la aritmética entera reversible, ahora sea viable. El resultado aprovechable es un desplazamiento de Pareto más que una única ventaja: un miembro de la familia de diseños resultante consume un 12% más de qubits y 17× menos puertas que el diseño anterior más pequeño, así que un compilador con presupuesto de qubits de sobra ahora puede comprar puertas con él.

• Decodificación DQI / Reed–Solomon. El decodificador de Claude reduce el número de puertas en un factor de 12 frente a la construcción anterior de Google, en parte al reemplazar el algoritmo euclidiano extendido por la decodificación de Berlekamp–Massey. El detalle del almacenamiento es lo interesante: el manejo en el peor de los casos de excepciones a lo largo de 35 rondas tomaría 665 cúbits, y después de que un simulador ejecutara 403 millones de decodificaciones de muestra, Claude en cambio reservó espacio para un único valor —19 cúbits—, aceptando que aproximadamente una ejecución de cada 10 000 necesita más y falla, una tasa que está dentro del presupuesto de error permitido.

• Suma de puntos de curva elíptica. Una única ejecución de 53 horas con mínima intervención humana —un brief inicial más indicaciones ocasionales— produjo un nuevo enfoque. Claude demostró las identidades algebraicas, puso a prueba las fórmulas en simulaciones numéricas a gran escala y formalizó la afirmación en Lean, que es el tipo de autoverificación que hace que el resultado sea más difícil de descartar como un artefacto de aspecto plausible.

• La trayectoria de FeMoco, que requiere una advertencia. La página de Anthropic contrasta el resultado de Claude con la estimación de 2017 para simular el cofactor hierro-molibdeno: unas 50 billones de puertas Toffoli, que se reducen a unos 340 millones, una disminución de unas 150.000 veces, lo que la página describe como unas pocas horas en una futura máquina con unos tres millones de cúbits físicos. Hay que leerlo como una trayectoria de todo el campo, no como un único resultado. La propia página atribuye la reducción de ocho años a muchos grupos de investigación, y la lectura honesta es que el diseño de Claude es un paso dentro de una curva que ya venía cayendo con rapidez.

Para dar una idea de por qué importa el número DQI: las propias estimaciones de Google Quantum AI implican que un problema OPI tomaría unos tres meses en la supercomputadora Frontier actual, frente a aproximadamente una hora en una futura computadora cuántica que ejecute DQI — y la mayor parte de esa hora se dedica a la decodificación Reed–Solomon. Reducir en un factor de 12× la cantidad de puertas del decodificador es recortar el término dominante.

Lo que no significa «superar el mejor publicado».

Cuatro límites honestos, declarados antes de que alguien cite el 17× fuera de contexto.

Lo primero es que se trata de un preprint sin reproducción independiente. Anthropic ejecutó el evaluador; las líneas base de comparación provienen de las propias tablas del artículo, con diseños previos atribuidos a Schrottenloher (2026), Luo et al. (2026) y Khattar et al. (2025). La ventaja declarada es solo una afirmación hasta que alguien vuelva a ejecutar el arnés de evaluación.

Lo segundo es que el diseño de circuitos es un componente de un ordenador cuántico, y los componentes suelen diseñarse por separado. A​nthropic señala la posibilidad de que la corrección de errores, la compilación y las restricciones de hardware puedan optimizarse conjuntamente mediante el mismo método — lo cual es una línea de investigación, no un resultado.

El tercero es un modo de fallo que Anthropic reporta contra sí misma: en los primeros experimentos, el modelo era conservador, cuestionaba una y otra vez avances bien fundamentados y verificaba dos o tres veces diseños que probablemente estaban bien. Esa cautela produjo un beneficio real una vez —impulsó las pruebas en Lean del resultado de divsteps—, pero también sesgó la búsqueda hacia enfoques establecidos. La mitigación fue estructural: exigir varios enfoques cualitativamente diferentes desarrollados en paralelo y, de vez en cuando, instar al modelo a ampliar su búsqueda. Cualquiera que construya bucles impulsados por evaluadores sobre cualquier modelo de frontera reconocerá ese modo de fallo, y la solución de los enfoques en paralelo es la parte transferible.

La cuarta es que siete de ocho tareas produjeron una mejor puntuación en una formulación existente y una produjo una formulación nueva. Esos son tipos diferentes de resultado, y el propio planteamiento del artículo considera la octava como la interesante, porque una búsqueda que solo ajusta parámetros dentro de una estructura conocida tiene un techo.

La parte que se generaliza más allá de la computación cuántica

Quita la física y lo que Anthropic construyó es un proponente y un verificador independiente, conectados entre sí, con un objetivo escalar que ambos lados pueden ver. Ese patrón es ahora la forma estándar del trabajo agéntico serio: un modelo genera, otro verifica, y el bucle se detiene cuando pasa una prueba en lugar de cuando la salida se lee bien. La lección que añade el artículo cuántico es sobre la honestidad del crítico: el evaluador aquí no es un segundo modelo que ofrece una opinión. Es un simulador que acepta el circuito o no lo acepta.

Cuando un programa no puede ser el juez, la segunda mejor estructura es un modelo distinto como juez, y eso es un problema de enrutamiento más que de investigación. El DSL de enrutamiento de OrcaRouter compone varios modelos en una sola llamada, de modo que un modelo barato puede ejecutar la rama de proponentes de alto volumen mientras que uno más potente solo se invoca en el paso de verificación, y la fusión de modelos ejecuta un panel de modelos contra el mismo prompt cuando no vale la pena confiar en una sola opinión. La cuestión no es que un enrutador haya diseñado los circuitos —no lo hizo, y el bucle de A​nthropic no necesita ninguno. La cuestión es que el bucle que describe A​nthropic se puede construir en un único endpoint con más de 200 modelos y sin un segundo contrato, y el costo del bucle está dominado por cuántas rondas de proponentes puedes permitirte.

Dónde puedes ejecutar algo como esto de verdad

C​laude M​ythos 5 no se puede invocar. Está restringido a socios verificados y miembros del programa de verificación, no aparece en ninguna API pública y no se enruta aquí — un modelo restringido no puede enrutarse al público. Lo que sí es accesible es su hermano público. A​nthropic lanza cada avance de frontera como dos SKUs de los mismos pesos: el SKU M​ythos con salvaguardas de ciberseguridad y biología ajustadas para defensores verificados, y el SKU Fable con la pila completa de salvaguardas activada. Claude Fable 5 es el miembro sin restricciones de la generación de C​laude M​ythos 5, y se encuentra en el catálogo de OrcaRouter al precio de lista de A​nthropic de $10 por millón de tokens de entrada y $50 por millón de tokens de salida, transferido con un 0 % de recargo, con el más reciente Claude Fable 5.1 — el gemelo público de C​laude M​ythos 5.1 — junto a él a la misma tarifa y con una lectura de caché un 75 % más baja. Esa es la ruta práctica hacia el nivel de capacidad del que trata el artículo, y cuesta el número del propio proveedor en lugar de uno con recargo.

Vale la pena decirlo sin rodeos: las ganancias del artículo provinieron de un bucle, no de un único prompt. Quien intente reproducir esto debería presupuestar cientos de rondas de proponer-evaluar-revisar por primitiva y elegir un modelo cuyo coste por ronda pueda asumir. Ese es el argumento para poner el bucle detrás de un enrutador con conmutación por error automática, en lugar de apostar una búsqueda de doce horas a que a un solo proveedor le vaya bien la tarde.

Qué ver a continuación

Tres cosas verificables. Una repetición independiente del evaluador sobre los circuitos divsteps y DQI, que es la única forma en que los 17× y 12× se convierten en algo más que las cifras de Anthropic. Si el propio arnés se publica, porque el bucle de retroalimentación es la contribución reutilizable y los circuitos son la demostración. Y si el mismo patrón de proponente y evaluador aparece en un problema donde la corrección no es verificable por máquina, ya que ahí es donde la cuestión del modelo como juez deja de ser académica.

Hasta entonces, el resumen justo es que un modelo de frontera con acceso restringido, apuntado a un dominio con una función objetivo barata y dejado solo durante 53 horas, desplazó una frontera de recursos que los investigadores humanos llevaban ocho años empujando. Eso merece tomarse en serio por la solidez del método, incluso aunque los multiplicadores específicos sigan etiquetados como propios del proveedor.

Nada de eso es hipotético: los fallos documentados de IA y los incidentes de agentes detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza e indicador de disputa.