Claude Mythos 5 hittade kvantkretsar som är bättre än det bästa som publicerats – med start i en som skär ned antalet grindar med 17×

Anthropics STEM Fellows-program publicerade den här veckan ett resultat där C​laude M​ythos 5 fick specifikationer i klarspråk för åtta kvantkretsar och, i en sluten slinga mot en automatiserad utvärderare, returnerade designer som överträffade de bästa publicerade på sju av dem — och på den åttonde producerade något som litteraturen inte hade: en reversibel divsteps-implementering utan lagrad förgreningshistorik, varav en variant använder 12 % fler kvbitar men 17× färre grindar än den minsta tidigare designen. Artikeln, Att upptäcka toppmoderna kvantkretsar med stora språkmodeller, finns på arXiv (2610.22367, inskickad 15 oktober 2026, 46 sidor), och dess huvudförfattare är Andi Gu, en stipendiat i programmet, med mentor kvantfysikern Alek Kemeny och i samarbete med Susanne Yelin och Mikhail Lukin från Harvard. Varje siffra nedan är Anthropics egen eller kommer från artikelns egna tabeller; inget av det har ännu oberoende reproducerats.

Vad som faktiskt kördes, och vad som inte kördes

Upplägget är värt att beskriva exakt, eftersom det intressanta påståendet inte är "en modell skrev viss kod." A​nthropic gav C​laude M​ythos 5 en specifikation för en beräkningsprimitiv, och modellen föreslog en krets i Python. En separat utvärderare – ett program, inte en modell – kontrollerade att kretsen var korrekt och poängsatte den efter antalet kvantbitar multiplicerat med antalet grindar, ett mått på körtid. Poängen gick tillbaka till modellen, som reviderade. Det fanns ingen människa i loopen mellan omgångarna. A​nthropics beskrivning är att C​laude arbetade "till stor del på egen hand."

Två saker i den där loopen gör det tunga arbetet. Den första är att utvärderaren är oberoende av förslagsställaren, så ett felaktigt svar som verkar rimligt får noll poäng i stället för att vinna en argumentation. Den andra är att målfunktionen är ett tal, vilket innebär att modellen kan avgöra om en revidering hjälpte. Det här har samma form som en testsvit som driver en kodagent, och det är anledningen till att Anthropic valde kvantkretsar att studera: domänen har en hård, billig, automatisk korrekthetskontroll.

De åtta primitiverna spänner över kemi, optimering, kvantsimulering, talteori och numerisk beräkning. Två begränsningar gör området ovanligt. Kvantkretsar har ingen if-then-förgrening, eftersom superposition innebär att en operation behövs för varje gren; och de kan inte kasta bort information, eftersom varje steg måste vara reversibelt. Kvarvarande skräpvärden måste avberäknas genom att köra beräkningen baklänges, vilket kostar grindar. Det tvingar fram en avvägning mellan utrymme och tid som saknar klassisk motsvarighet, och det är precis den typen av avvägning som en sökprocess kan riktas mot.

De fyra resultaten som är värda att läsa i detalj

• Divsteps / modulär inversion i primkropp. Detta är huvudnyheten. Claude producerade den första reversibla divsteps-implementeringen som inte lagrar någon grenhistorik — en konstruktion som enligt artikeln gör divsteps, en klassisk algoritm som tidigare var opraktisk för reversibel heltalsaritmetik, äntligen genomförbar. Det användbara resultatet är en Pareto-förskjutning snarare än en enskild vinst: en medlem av den resulterande designfamiljen använder 12 % fler qubits och 17× färre grindar än den minsta tidigare designen, så en kompilator med qubitbudget över kan nu köpa grindar med den.

• DQI / Reed–Solomon-avkodning. C​laudes avkodare minskar antalet grindar med en faktor 12 jämfört med G​oogles tidigare konstruktion, delvis genom att byta ut den utökade euklidiska algoritmen mot Berlekamp–Massey-avkodning. Lagringsdetaljen är den intressanta: hantering av undantag i värsta fall över 35 omgångar skulle ta 665 kvantbitar, och efter att en simulator hade kört 403 miljoner exempelavkodningar reserverade C​laude i stället plats för ett enda värde — 19 kvantbitar — och accepterade att ungefär en av 10 000 körningar behöver mer och misslyckas, en frekvens inom den tillåtna felbudgeten.

• Punktaddition på elliptiska kurvor. En enda 53-timmarskörning med minimal mänsklig inblandning – en inledande instruktion plus enstaka prompter – gav ett nytt angreppssätt. Claude bevisade de algebraiska identiteterna, testade formlerna i storskaliga numeriska simuleringar och formaliserade påståendet i Lean, vilket är den typ av självkontroll som gör resultatet svårare att avfärda som en artefakt som verkar trovärdig.

• FeMoco-trajektorian, som kräver en brasklapp. Anthropics sida ställer Claudes resultat mot 2017 års uppskattning för simulering av järn-molybden-kofaktorn: omkring 50 biljoner Toffoli-grindar, som faller till ungefär 340 miljoner, en minskning med omkring 150 000 gånger, vilket sidan beskriver som några timmar på en framtida maskin med omkring tre miljoner fysiska kvantbitar. Läs det som en utvecklingsbana för hela fältet, inte som ett enskilt resultat. Sidan själv tillskriver minskningen över åtta år många forskargrupper, och den ärliga tolkningen är att Claudes design är ett steg i en kurva som redan föll brant.

För att sätta DQI-talet i perspektiv: Google Quantum AI:s egna uppskattningar tyder på att ett OPI-problem skulle ta ungefär tre månader på dagens Frontier-superdator, mot ungefär en timme på en framtida kvantdator som kör DQI – och större delen av den timmen går åt till Reed–Solomon-avkodning. Att minska avkodarens grindantal med 12× är en minskning av den dominerande termen.

Vad "slår det publicerade bästa" inte betyder

Fyra ärliga begränsningar, uttalade innan någon citerar 17× ur sitt sammanhang.

Det första är att detta är en preprint utan oberoende reproduktion. A​nthropic körde utvärderaren; jämförelsebaslinjerna kommer från artikelns egna tabeller, med tidigare konstruktioner hämtade från Schrottenloher (2026), Luo et al. (2026) och Khattar et al. (2025). Den påstådda fördelen är ett påstående tills någon kör om utvärderingsramverket.

Det andra är att kretsdesign är en komponent i en kvantdator, och komponenterna konstrueras vanligtvis separat. Anthropic noterar möjligheten att felkorrigering, kompilering och hårdvarubegränsningar skulle kunna optimeras gemensamt med samma metod — vilket är en forskningsinriktning, inte ett resultat.

Den tredje är ett felmönster som Anthropic rapporterar om sig själv: i tidiga experiment var modellen konservativ, ifrågasatte gång på gång väl underbyggda framsteg och dubbel- eller trippelkontrollerade designer som förmodligen var okej. Den försiktigheten gav en gång en verklig fördel – den föranledde Lean-bevisen för divsteps-resultatet – men den snedvred också sökningen mot etablerade tillvägagångssätt. Motåtgärden var strukturell: kräv flera kvalitativt olika tillvägagångssätt som utvecklas parallellt, och uppmana ibland modellen att vidga sin sökning. Den som bygger utvärderardrivna loopar på någon frontiermodell kommer att känna igen det felmönstret, och lösningen med parallella tillvägagångssätt är den överförbara delen.

Det fjärde är att sju av åtta uppgifter gav en bättre poäng på en befintlig formulering och en gav en ny formulering. Det är olika typer av resultat, och artikelns egen inramning behandlar den åttonde som den intressanta, eftersom en sökning som bara justerar parametrar inom en känd struktur har ett tak.

Den del som generaliserar bortom kvantberäkning

Strip the fysiken och det A​nthropic har byggt är en förslagsställare och en oberoende granskare, sammankopplade, med ett skalärt mål som båda sidor kan se. Det mönstret är nu standardformen för seriöst agentiskt arbete: en modell genererar, en annan verifierar, och loopen stoppas när ett test passerar i stället för när utdata läser bra. Lärdomen som kvantpappret tillför handlar om kritikerns ärlighet – utvärderaren här är inte en andra modell som erbjuder en åsikt. Det är en simulator som antingen accepterar kretsen eller inte.

När ett program inte kan vara domaren är den näst bästa strukturen en annan modell som domare, och det är ett routingproblem snarare än ett forskningsproblem. OrcaRouters routing-DSL komponerar flera modeller till ett enda anrop, så en billig modell kan köra den högvolymiga proposer-grenen medan en starkare endast anropas i verifieringssteget, och modellfusion kör en panel av modeller mot samma prompt när en enda åsikt inte är värd att lita på. Poängen är inte att en router designade kretsarna — det gjorde den inte, och Anthropics loop behöver ingen. Poängen är att loopen Anthropic beskriver kan byggas på en enda endpoint över 200+ modeller utan ett andra kontrakt, och kostnaden för loopen domineras av hur många proposer-rundor du har råd med.

Där du faktiskt kan köra något liknande

Claude Mythos 5 kan inte anropas direkt. Det är begränsat till granskade partners och medlemmar i verifieringsprogrammet, det finns inte i något publikt API, och det dirigeras inte hit — en gated modell kan inte dirigeras till det publika. Det som går att nå är dess publika syskon. Anthropic levererar varje frontiersteg som två SKU:er med samma vikter: Mythos-SKU:n med cyber- och biologieskydd anpassade för granskade försvarare, och Fable-SKU:n med hela skyddsstacken kvar på. Claude Fable 5 är den icke-gateade medlemmen av Claude Mythos 5:s generation, och den finns i OrcaRouters katalog till Anthropics listpris på 10 dollar per miljon indatatoken och 50 dollar per miljon utdatatoken, vidarebefordrad med 0 % påslag, med den nyare Claude Fable 5.1 — den publika tvillingen till Claude Mythos 5.1 — bredvid sig till samma pris och 75 % lägre cacheread. Det är den praktiska vägen till den kapacitetsnivå som rapporten handlar om, och den kostar leverantörens eget pris snarare än ett påslaget pris.

Värt att säga rakt ut: artikelns vinster kom från en loop, inte från en enda prompt. Den som försöker reproducera detta bör räkna med hundratals omgångar av förslag–utvärdera–revidera per primitiv och välja en modell vars kostnad per omgång de kan leva med. Det är argumentet för att lägga loopen bakom en router med automatisk failover, i stället för att satsa en tolvtimmarssökning på att en leverantör har en bra eftermiddag.

Vad du ska titta på härnäst

Tre kontrollerbara saker. En oberoende omkörning av utvärderaren på divsteps- och DQI-kretsarna, vilket är det enda sättet för 17× och 12× att bli mer än Anthropics siffror. Huruvida själva testramverket släpps, eftersom återkopplingsloopen är det återanvändbara bidraget och kretsarna är demonstrationen. Och huruvida samma mönster med förslagsställare och utvärderare dyker upp på ett problem där korrekthet inte är maskinellt kontrollerbar, eftersom det är där frågan om modellen som domare slutar vara akademisk.

Fram till dess är den rimliga sammanfattningen att en åtkomstbegränsad frontiermodell, riktad mot en domän med en billig objektivfunktion och lämnad ifred i 53 timmar, flyttade en resursfront som mänskliga forskare hade arbetat med att flytta fram i åtta år. Det är värt att ta på allvar med tanke på metodens styrka, även om de specifika multiplikatorerna alltjämt märks som leverantörens egna.

Inget av detta är hypotetiskt: de dokumenterade AI-felen och agentincidenterna bakom släpp som detta samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsgrad och omtvistad flagga.