Claude løfter Riemann zeta-grænse fra 41,6% til 67,2%

Hvad Anthropic faktisk rapporterede

Den 10. august 2026 offentliggjorde Anthropic en forskningsnote, der beskriver, hvad der skete, da virksomheden rettede en ikke-udgivet forskningsversion af Claude mod Riemann-hypotesen, formodningen fra 1859 om, at ethvert ikke-trivielt nulpunkt for Riemann zeta-funktionen har realdel en halv. Claude beviste ikke hypotesen. Modellen fremmede i stedet et snævrere, årtier gammelt åbent spørgsmål: hvor stor en andel af disse nulpunkter matematikere med sikkerhed kan bevise ligger på den kritiske linje. Den tidligere rekord, som siden 2020 har været holdt af Kyle Pratt, Nicolas Robles, Alexandru Zaharescu og Dirk Zeindler, satte denne beviselige andel til 41,6 procent.

Claudes forskningskørsel hævede andelen til 67,2 procent, et resultat Anthropic siger faktisk var et biprodukt af et bredere forsøg på den fulde hypotese snarere end det oprindelige mål. Virksomheden formulerer tallet forsigtigt: det er et nedre-grænse-resultat på et specifikt, veldefineret delproblem, ikke et skridt, der løser eller forventes at løse den 167 år gamle formodning selv.

Inde i sværmen af 60 agenter

Mekanikken bag resultatet er den mere usædvanlige del af historien. Ved at arbejde inde i Claude Code på tværs af to sessioner brugte modellen omkring halvandet døgn, i størrelsesordenen 36 timer, på at koordinere omkring 60 Claude-subagenter. Den brugte 31 millioner output-tokens og udstedte omkring 2.400 shell-kommandoer. Af de 60 agenter var det kun 2, der udviklede den matematiske idé, som til sidst virkede; 13 bidrog med understøttende dele til den idé; 30 forsøgte alternative tilgange og fejlede; og 13 fungerede som validatorer, der kontrollerede arbejde frem for at producere det. Før sværmen landede på den tilgang, der lykkedes, havde den allerede forsøgt og kasseret omkring 650 tidligere ideer.

Den indsigt, der brød dødvandet, var at behandle nulpunkter på og uden for den kritiske linje som punkter i ét samlet geometrisk rum i stedet for at analysere de to tilfælde hver for sig, hvilket gav en stærkere underliggende ulighed. Tilgangen byggede videre på publiceret arbejde af matematikerne Baluyot, Goldston, Suriajaya og Turnage-Butterbaugh, kombineret med en artikel fra 2000 af Enrico Bombieri, hvilket betyder, at modellen udvidede en eksisterende menneskelig forskningstråd snarere end at opfinde feltet fra bunden.

Hvorfor Lean-beviset er detaljen, der betyder noget

En stor sprogmodel, der hævder en ny matematisk grænse, er i sig selv ikke bevis for noget: modeller producerer rutinemæssigt flydende, forkerte beviser. Det, der ændrer regnestykket her, er, at Claude ikke blot fremsatte resultatet, men producerede en formalisering i Lean, en bevisassistent, der kontrollerer hvert logisk trin mod et fast sæt aksiomer og slutningsregler uden plads til håndvinken. Anthropic rapporterer, at Lean-formaliseringen består standard automatiseret validering, hvilket er en kategorisk anderledes form for bevis end en model, der blot hævder, at et tal er sandt.

Oven i den maskinelle kontrol fik Anthropic papiret gennemgået af eksterne eksperter: talteoretikerne Brian Conrey og Dan Goldston undersøgte arbejdet med kort varsel, sammen med Anthropics egne matematikere Levent Alpoge og Ralph Furman. Den kombination, en formel bevistjekker plus navngivne menneskelige eksperter, der er villige til at sætte deres navn på en gennemgang, er det, der adskiller dette fra den jævne strøm af ikke-verificerede AI-matematikpåstande, der cirkulerer, uden at nogen kontrollerer dem.

Sådan sammenlignes det med 37 års menneskelig fremgang

Den historiske baseline er det, der gør springet forståeligt. Fremskridt på denne specifikke grænse har været en langsom, årtier lang proces: G.H. Hardy viste først i 1914, at uendeligt mange nulpunkter ligger på den kritiske linje, Atle Selberg beviste, at en positiv andel gør det, Norman Levinson nåede omkring en tredjedel i 1974, Brian Conrey selv nåede omkring to femtedele i 1989, og teamet Pratt-Robles-Zaharescu-Zeindler nåede 41,6 procent i 2020. Samlet set flyttede menneskelige matematikere denne beviselige andel med omkring 0,8 procentpoint over de 37 år før denne kørsel.

Claudes sværm flyttede den med 25,6 procentpoint på omkring halvandet døgn. Det er ikke en påstand om, at maskiner nu er bedre matematikere end de mennesker, der brugte de 37 år på at bygge de værktøjer, Claude støttede sig til; kørslen stod eksplicit på publicerede menneskelige resultater fra Baluyot, Goldston, Suriajaya, Turnage-Butterbaugh og Bombieri. Det er en påstand om den hastighed, hvormed en velfinansieret, veludviklet søgning kan bevæge sig, når grundlaget først findes, og en stor agentsværm kan udforske det udtømmende.

Hvad det signalerer om frontlaboratoriernes udviklingskurve

Den model, der blev brugt, var eksplicit ikke-udgivet og kun til forskningsbrug, hvilket i sig selv er oplysende. Det betyder, at kapacitetskløften mellem, hvad et frontlaboratorium kan demonstrere internt, og hvad der udsendes til betalende kunder, er bred nok til at frembringe et resultat som dette, før den underliggende model bliver offentlig. Anthropic, OpenAI og Google DeepMind har alle offentliggjort matematiknære resultater på denne måde i løbet af de seneste to år, og mønsteret er konsekvent: interne forskningsversioner bruges til at afprøve kapacitetslofter på svære, verificerbare problemer længe før nogen kommerciel lancering.

Arkitekturen betyder lige så meget som modellen. Dette var ikke én lang samtale, der producerede ét langt svar; det var orkestrering, snesevis af subagenter, der arbejdede parallelt, hvoraf de fleste fejlede, mens den overordnede proces styrede udforskningen, og et lag af validatorer kontrollerede kandidatarbejde. Det mønster, sværm plus verifikator, snarere end rå modelstørrelse, ser ud til at være den del, frontlaboratorierne i øjeblikket skalerer hurtigst, og det er den del, der mest sandsynligt vil dukke op i kommercielle agentiske værktøjer, længe før noget laboratorium hævder at have løst et åbent problem i ren matematik.

Hvad EU's F&U-ledere reelt bør tage med sig

Selve teoremet vil ikke ændre en balance. Det, der er overførbart til en europæisk F&U-tung virksomhed, en medicinalkoncern, der kører molekylescreeninger, en vindmølleproducent, der validerer vingedesign, eller en chipproducent, der validerer kredsløbsdesign, er arbejdsgangen: en stor sværm af agenter, der angriber et problem parallelt, hvor de fleste forventes at fejle, styret af en formel eller automatiseret kontrol, der kan afvise forkerte svar uden et menneske i løkken for hver eneste kandidat. Den kombination er det, der lod halvandet døgns beregning overgå 37 års omhyggeligt, kvalificeret menneskeligt arbejde på dette ene snævre spørgsmål.

Det ærlige forbehold er, at matematik har noget, de fleste virksomheders F&U-problemer ikke har: Lean, en kontrol, der kan bevise korrekthed uden nogen tvetydighed. Materialevidenskab, lægemiddelinteraktioner og kredsløbsvalidering har delvise modstykker, simuleringspakker, fysisk testning, formelle verifikationsværktøjer til chiplogik, men sjældent noget så vandtæt som et Lean-bevis. Det realistiske budskab til en europæisk F&U-leder, der evaluerer AI-understøttede arbejdsgange, er ikke at forvente et Riemann-hypotese-øjeblik i sit eget domæne snart; det er at spørge, hvilke af organisationens eksisterende verifikationsværktøjer, uanset hvor delvise, der kunne omdannes til den automatiserede port, som gør en stor agentsværm troværdig snarere end blot hurtig.

Læs videre: Cognizant har uddannet 30.000 af 350.000 i Claude  |  Den skulle booke et hold i fitnesscentret. I stedet hackede den bookingsystemet.