Mil agentes do Claude Fable 5.2 formalizaram o Último Teorema de Fermat em Lean em 30 horas

Durante muito tempo, a verificação formal foi considerada território de especialistas. Agora, a Anthropic mostra que uma equipe de mil agentes consegue expressar em Lean uma demonstração que, no passado, exigiu anos de trabalho de matemáticos. Para quem desenvolve essas ferramentas, o ponto é até onde os modelos conseguem ir trabalhando de forma autônoma.

O que exatamente os agentes fizeram

O Último Teorema de Fermat afirma que, para um inteiro n > 2, a equação aⁿ + bⁿ = cⁿ não tem soluções em números inteiros positivos. A demonstração de Andrew Wiles foi publicada em 1995, depois que ele corrigiu uma lacuna com Richard Taylor. A tarefa dos agentes era outra: expressar esse argumento de uma forma que uma máquina pudesse verificar.

Em Lean, uma proposição é representada por um tipo, e sua demonstração é um termo desse tipo. As táticas constroem o termo, e o núcleo verifica se ele corresponde ao tipo. Se um lema necessário não estiver na biblioteca, será preciso formulá-lo e demonstrá-lo. É como compilar um grande projeto de software em que cada dependência ausente se transforma em uma tarefa separada.

Em setembro, a Anthropic enfrentou a mesma tarefa com a plataforma Prove2Me, que mantinha um grafo de dependências entre as proposições. A execução levou 11 dias, e a demonstração final incluiu 29.500 teoremas intermediários. O enunciado final foi conferido separadamente com a Mathlib.

O que mudou na nova execução

O Fable 5.2 recebeu instruções iniciais curtas e uma lista de proposições intermediárias para avaliar o progresso. Segundo a Anthropic, os agentes distribuíram o trabalho por conta própria e atuaram sem materiais de referência matemática, com poucas intervenções humanas. O consumo de tokens para as ações caiu para um terço, e o texto formal da demonstração ficou sete vezes mais curto.

O Opus 5.5 foi executado na mesma configuração, com aproximadamente mil agentes. Concluiu 26% nas primeiras 18 horas e quase não avançou nas 12 restantes. As duas equipes retomaram o trabalho a partir de um estado salvo na marca de 18 horas. Uma ressalva importante: o gráfico mostra apenas uma execução de cada modelo, enquanto o experimento de setembro usou outro modelo e outro esquema de coordenação. Trata-se de uma demonstração, e não de um benchmark rigoroso.

Outros resultados do anúncio

Uma equipe de agentes com uma versão inicial do Fable 5.2 migrou um serviço interno crítico de Python para Rust, reduzindo o tempo de inicialização em aproximadamente 26 vezes. Em outro experimento, o modelo passou oito dias coordenando mais de mil subagentes no desenvolvimento de um protótipo de sistema operacional. Começaram com uma pasta vazia e produziram um sistema com núcleo, drivers de disco, teclado e rede, armazenamento de arquivos, interface de janelas e instalador, capaz de inicializar em um notebook.

No FrontierCode 2.0, o Fable 5.2 alcançou 49,1% no nível de esforço Xhigh, contra 32,4% do Fable 5.1. No nível High, igualou o Opus 5.5 em Max, com um custo por tarefa aproximadamente pela metade.

O Fable 5.2 e o Mythos 5.2 compartilham o mesmo modelo base. O Fable tem restrições para tarefas de alto risco em cibersegurança e biologia, enquanto o Mythos está disponível para organizações previamente avaliadas. No teste interno CVE Rediscovery, o Mythos 5.2 encontrou 89,6% de 1829 vulnerabilidades publicadas, contra 78,3% do Mythos 5.1 e 81,3% do Opus 5.5 sem restrições de segurança.

Preço e implicações práticas

O modelo está disponível na API como claude-fable-5-2, além de AWS, Google Cloud e Microsoft Azure. O preço é de $8 por milhão de tokens de entrada e $40 por milhão de tokens de saída. A velocidade de geração aumentou em até 30%. No Fast Mode, os tokens são gerados até 2,5 vezes mais rápido, mas o preço dobra: $16 e $80.

O que os desenvolvedores podem fazer. Primeiro, se você cria sistemas de agentes, verifique onde eles atingem seu limite em tarefas prolongadas: é aí que a diferença entre gerações de modelos fica mais evidente. Segundo, forneça aos agentes uma lista explícita de objetivos intermediários, como neste experimento: o progresso mensurável ajuda tanto o modelo quanto você. Terceiro, inclua desde o início na arquitetura a capacidade de salvar o estado e retomar o trabalho.

As limitações são claras: todos os números foram fornecidos pela própria Anthropic, ainda não há verificação independente e a comparação se baseia em uma única execução por modelo. Mas a direção está clara: tarefas autônomas prolongadas com milhares de agentes estão saindo das demonstrações de laboratório e entrando na prática da engenharia.