- Claude Fable 5.2 e Mythos 5.2, secondo Anthropic, hanno formalizzato in Lean la dimostrazione del teorema di Fermat e affrontato due problemi aperti sui buchi neri durante i test pre-rilascio.
- Il risultato su Fermat non è una nuova prova matematica, ma la traduzione in un sistema di verifica formale della dimostrazione di Andrew Wiles degli anni '90.
- I due modelli condividono lo stesso modello sottostante, ma Fable è accessibile a tutti mentre Mythos richiede l'accesso tramite programmi di verifica per sicurezza informatica e scienze della vita.
Anthropic sostiene che Claude Fable 5.2 e Mythos 5.2 abbiano formalizzato la dimostrazione del teorema di Fermat e affrontato due problemi aperti sui buchi neri durante i test pre-rilascio. L’annuncio riguarda una fase di verifica interna e non già un risultato già passato al vaglio della comunità scientifica.
Occorre precisare che formalizzare una dimostrazione non significa aver scoperto una nuova prova, quanto piuttosto tradurre una prova esistente in un formato che un software può controllare passo dopo passo. Nel caso di Fermat, il riferimento resta la dimostrazione di Andrew Wiles degli anni ’90.
Perché la formalizzazione del teorema di Fermat con Lean è importante
Il progetto di formalizzazione del teorema di Fermat in Lean esiste da prima di questo annuncio. È partito nel 2024 come lavoro open source multi-autore guidato dal matematico Kevin Buzzard, con finanziamenti iniziali quinquennali dell’EPSRC, come documentato sul blog della comunità Lean.
Il fatto che un modello AI venga descritto come capace di contribuire a quel lavoro è interessante per un motivo pratico: la formalizzazione è un lavoro di traduzione, controllo e coerenza. Se il racconto di Anthropic regge, i nuovi modelli potrebbero ridurre il peso di una parte molto noiosa della ricerca matematica, quella che trasforma ragionamenti umani in passaggi ispezionabili da una macchina.
Non è la stessa cosa che sostituire un matematico: siamo piuttosto davanti a un assistente di laboratorio capace di verificare che ogni riga di un ragionamento stia in piedi, una cosa che in passato richiedeva mesi di lavoro manuale e oggi potrebbe diventare un’attività più rapida e meno soggetta a errori di trascrizione.
Due problemi sui buchi neri e il ruolo della dualità olografica
Il secondo fronte riguarda la fisica teorica. Anthropic descrive la soluzione di due problemi aperti sui buchi neri come fondata sul principio della dualità olografica. Il primo problema, formulato nel 1983 e reso computabile nel 2003, riguarda la formazione improvvisa di buchi neri in universi piccoli, secondo quanto riportato nella pagina ufficiale di Anthropic dedicata ai nuovi modelli.
Qui la prudenza è d’obbligo. Non risultano ancora repliche o valutazioni indipendenti di fisici teorici sulle due soluzioni, e un risultato di questo tipo non diventa acquisito solo perché un’azienda lo presenta in una scheda prodotto. La fisica teorica vive di verifiche, obiezioni e riproduzioni, non di annunci.
Ma è importante constatare che se un modello riesce a coordinare ragionamenti su geometrie dello spaziotempo, dualità e condizioni al contorno, non sta solo completando frasi, ma sta cercando di tenere insieme vincoli che richiedono memoria lunga e coerenza simbolica. È lì che i modelli AI iniziano a somigliare a strumenti, non a generatori.
Che differenza c’è tra Claude Fable 5.2 e Mythos 5.2
Nella pagina ufficiale, Anthropic spiega che Claude Fable 5.2 e Mythos 5.2 condividono lo stesso modello sottostante. La differenza è nell’accesso: Fable è disponibile per tutti gli utenti, mentre Mythos richiede l’ingresso tramite programmi di verifica dedicati alla sicurezza informatica e alle scienze della vita.
È una scelta che dice molto su come l’industria sta già separando i livelli di rischio. Un modello capace di ragionare su codice, fisica e dimostrazioni può essere utile, ma può anche diventare un problema se finisce nelle mani sbagliate. Il fatto che Mythos non sia aperto a tutti suggerisce che Anthropic stia trattando queste capacità come un problema di governance, non solo di prodotto.
I prezzi standard sono 8 dollari per milione di token in input e 40 dollari per milione in output, con una modalità “fast” opzionale a 16 e 80 dollari rispettivamente, sempre secondo la pagina ufficiale di Anthropic.
Un prototipo di sistema operativo costruito con oltre 1.000 subagenti
Un altro dettaglio tecnico emerso nella pagina di Anthropic riguarda la capacità di coordinare oltre 1.000 subagenti per otto giorni, con l’obiettivo di creare un prototipo di sistema operativo funzionante, inclusi driver e interfaccia grafica.
Questa parte, più di Fermat e più dei buchi neri, tocca la vita quotidiana. Se i modelli diventano capaci di tenere insieme progetti lunghi, la prossima domanda non è solo quanto siano intelligenti, ma quanto siano affidabili quando lavorano per giorni senza un umano che controlla ogni passaggio. La risposta, per ora, è che stanno ancora imparando a non perdersi per strada.
Le pagine ufficiali di Anthropic su Claude Fable e Mythos 5.2 restano il documento da cui partire e sarà lì che gli sviluppatori e i ricercatori andranno a cercare i dettagli tecnici. Se la formalizzazione di Fermat e i due problemi sui buchi neri reggeranno alla prova dei fatti, l’AI potrebbe essere sulla strada giusta per diventare uno strumento sempre più integrato nel lavoro di matematici e fisici.
