IA en un minutoNoticiasModelos
Mil agentes de Claude Fable 5.2 formalizan el último teorema de Fermat en 30 horas
Redacción de IA en un minuto · Editor: Jon Elgezabal
En 30 segundos
Anthropic atribuye a Fable 5.2, repartido en 1.000 agentes, la formalización completa en Lean de la prueba de Fermat, terminada en 30 horas y con muy poca ayuda humana. La primera vez, en septiembre, un modelo de investigación parecido a Fable 5.1 tardó 11 días, y Opus 5.5 se quedó en un 26 % tras 18 horas. Fable 5.2 resolvió también dos problemas abiertos de física sobre agujeros negros, publicados en preprints.
Un equipo de 1.000 agentes de Claude Fable 5.2 formalizó por completo la demostración del último teorema de Fermat en 30 horas y con una intervención humana mínima, según la nota con la que Anthropic presentó el modelo el 9 de noviembre. Formalizar no es encontrar una demostración nueva: es traducir una que ya existe a Lean, un lenguaje de programación en el que un ordenador puede comprobar cada paso. La primera demostración correcta del teorema la publicó Andrew Wiles en 1995.
La comparación es con el trabajo que la empresa dio a conocer el 4 de septiembre, la primera prueba completa de Fermat comprobada por ordenador. La hizo una versión de investigación de Claude que no se ha publicado, más o menos equiparable a Fable 5.1, con decenas de agentes, un sistema de trabajo hecho a medida y la guía de un investigador. Tardó 11 días y el resultado ocupaba 13 millones de líneas de Lean, con 29.500 teoremas intermedios.
Esta vez, Fable 5.2 arrancó con instrucciones mínimas, se organizó por su cuenta para coordinar a los agentes y no usó referencias matemáticas: solo una lista de enunciados de teoremas intermedios que servía para medir el avance. Anthropic dice que gastó un tercio de los tokens de acción de la primera formalización y que su demostración es siete veces más corta. Claude Opus 5.5, con el mismo montaje de 1.000 agentes, completó el 26 % en 18 horas y casi no avanzó más hasta las 30. La empresa hizo una sola ejecución con cada modelo.
La nota recoge además que Fable 5.2 resolvió dos problemas abiertos de física teórica sobre agujeros negros. Los dos parten de la dualidad holográfica, la idea de que ciertos universos con gravedad se pueden describir con exactitud mediante una teoría cuántica sin gravedad. En el primero terminó, trabajando casi solo, un cálculo planteado en 2003 que se había quedado sin hacer por lo laborioso, y concluyó que en universos muy pequeños los agujeros negros también se forman de golpe al calentarse, algo que en 1983 se había demostrado para los grandes. En el segundo dio con el límite exacto de una técnica que los físicos llevan más de 15 años usando para descartar teorías candidatas de gravedad cuántica en un universo simplificado. Anthropic ha publicado los dos resultados en preprints.
El otro gran ejemplo de la nota, el diseño de tres aparatos electrónicos con la empresa Diode, tiene noticia propia.
Por qué importa · análisis y opinión
El salto no está en las matemáticas en sí, sino en la verificación: comprobar una demostración larga es un trabajo lento y delicado, y un programa que lo hace sin margen de duda puede aligerarlo. Que el modelo se organizara solo, sin referencias, apunta a agentes capaces de sostener proyectos largos con poca supervisión. Falta lo que necesita cualquier resultado de laboratorio: que otros lo repitan, con más de una ejecución, y saber cuánto costó. Para una empresa, el aprendizaje es más general: los equipos de muchos agentes ya rinden en tareas largas y bien definidas, siempre que haya una forma objetiva de medir el avance, como aquí la lista de teoremas.
Fuente oficial: Anthropic · Redactada con ayuda de IA: cómo hacemos las noticias
¿Qué significa para tu negocio? · análisis y opinión
Para la mayoría de las empresas de España o Latinoamérica, el teorema de Fermat queda lejos, pero el método no. Lo que muestra Anthropic es un equipo de agentes que trabaja solo durante horas sobre un objetivo enorme porque tiene dos cosas: una lista de piezas intermedias que hay que conseguir y un programa que comprueba sin discusión si cada pieza está bien. Ese esquema encaja en tareas de oficina y de desarrollo más corrientes, como migrar un programa antiguo con una batería de pruebas que diga si sigue funcionando o cuadrar documentos contra unas reglas fijas.
Lo sensato, antes de pensar en muchos agentes, es preguntarse si la tarea tiene esa forma objetiva de comprobar el resultado; si no la tiene, el trabajo de los agentes no se puede dar por bueno sin revisión humana. Conviene también recordar que se trata de un ejemplo de laboratorio, con una sola ejecución por modelo y sin el coste publicado, así que la cifra de las 30 horas no dice cuánto costaría repetirlo en un proyecto propio.
