2026年11月9日，Anthropic在开发者博客公布了一项多智能体实验：1000个运行早期版Claude Fable 5.2的智能体，在没有研究人员指挥、没有专用协作平台的情况下，用28.7小时复现了费马大定理的端到端形式化证明。对比9月那次需要研究人员带队、数十个智能体花11天完成的工作，新实验只用了三分之一的输出token，写出的证明长度只有原来的七分之一。
这次实验到底做了什么
费马大定理说的是不存在正整数a、b、c满足aⁿ+bⁿ=cⁿ（n大于2），怀尔斯1995年给出129页证明，把它变成计算机能逐行验证的形式一直是数学界的长期目标。9月的形式化用了约60亿输出token、写了1300万行Lean代码，靠Prove2Me平台协调。这次实验只给了60条待证命题、一句经典证明路线、相关定义和47条已证引理，剩下的组织方式全由智能体自己定：1个组长加999个助手，共用一个Postgres数据库里的五张表分工、认领任务、记录进度。开局10分钟内，组长就搭好了公告、分配、笔记、子任务和已完成五张表，并把每条命题分给16到17名助手组成的小队。
安全是另一半主题
每个智能体都在没有联网的独立沙箱虚拟机里工作，只能通过数据库和Git协作；分类器会在每条shell命令和文件修改执行前检查，离线监控再复核全部动作。100多万次工具调用中没有一次达到拦截标准，复核时也只有一次查root权限的操作接近红线。Anthropic同时说明，这类实验用的模型可能尚未完成发布前的对齐评估，监控正是按模型可能不对齐的前提设计的。单台共享机器在100个智能体左右就撑不住了，这次改用1000个独立沙箱才跑完全程。
意义不在数学，而在组织方式
这项实验的意义不在数学本身，而在组织方式：没有专用脚手架、只靠通用工具，千人规模的智能体团队也能自己搭出协作系统、啃下长周期任务。对普通开发者而言，直接启示有限——实验是受控的玩具场景，成本和工程细节也没有公开；但它给出了一个值得跟进的信号：多智能体系统的瓶颈正在从模型能力转向协调与安全机制。下一步可以关注Anthropic是否会把这套监控与协作思路产品化，以及类似规模的团队能否在真实工程任务上复现这种表现。
