发生了什么
10 月 16 日，Anthropic 发布研究报告称，其 Claude Mythos 5 模型在几乎无人干预的情况下，为八类量子算法的基础电路给出了优于已发表方案的设计。配套论文《Discovering state-of-the-art quantum circuits with large language models》于 10 月 15 日提交 arXiv（编号 2610.22367），共 46 页，作者包括哈佛大学与 Anthropic STEM Fellows 项目的 Andi Gu、Anthropic 量子物理学家 Alek Kemeny，以及哈佛的 Susanne Yelin 与 Mikhail Lukin（同时为 QuEra Computing 联合创始人）。
方法本身比单个数字更值得关注。团队只给模型一段自然语言规格，模型用 Python 写出候选电路，一个独立评测程序检查正确性并按「Toffoli 门数 × 峰值量子比特数」打分，分数回传给模型，模型据此改写。整个循环中，人类只提供初始任务书和偶尔「再大胆一些」的提示，轮次之间没有人工修改。
关键数字
- 八项任务中七项同时降低 Toffoli 门数与量子比特数，官方给出的开销降幅包括定点高斯约 39 倍、HHL 旋转角约 32 倍、库仑势约 9.9 倍、非阿贝尔格规范模拟约 7.7 倍；
- 解码量子干涉测量所用的 Reed–Solomon 解码器改用 Berlekamp–Massey 方案后，最昂贵步骤的成本约为谷歌既有构造的十二分之一，最坏情况预留量子比特从 665 个降到 19 个；
- 椭圆曲线点加任务产出约 400.7 万个 Toffoli 门、935 个逻辑量子比特的电路；相对作者重建的 6953 万门、838 比特基线，门数降约 17 倍、量子比特增 12%，单次加法失败界约 1.6×10⁻⁴；
- 该模逆设计来自一次连续 53 小时的自主运行，模型放弃「保存分支历史」的传统思路，改为从结果反推分支，并用 Lean 完成形式化验证。
为什么对企业读者有意义
量子计算的瓶颈不只在硬件。现有机器只有数百到数千个物理量子比特，短期内无法运行多数有用算法，因此「把算法改写得更省资源」是过去八年最实际的研究方向——费莫辅基模拟的估算门数从 2017 年的约 50 万亿降到约 3.4 亿，靠的是多个团队长期人工优化。这次实验说明，当目标函数可以被程序自动验证时，模型可以在数十小时内穷举人类不常走的架构路径。这对材料、药物、密码学评估等依赖资源估算的决策有直接参考价值。
不能过度解读的地方
论文给的是资源估算，不是硬件运行结果，也没有对任何已部署密码系统发起攻击；用 935 个逻辑量子比特破解 secp256k1 仍远超现有容错能力。所有对比基线由作者重建，论文未经同行评审，且不同先前设计在门数与比特数之间做了不同取舍，不存在唯一「最优」。Anthropic 也承认模型早期过于保守、反复自我否定，研究人员不得不要求它并行尝试多条路线。真正可复用的结论是评测闭环：可自动校验的目标加上足够长的迭代，正在把「基准分数」变成「可发表的结果」。