Claude Mythos 5 在 2026 年 10 月 16 日交出了一份不寻常的成绩单：Anthropic 当天在官方研究博客公布，它让这个受限开放的模型几乎独立地为八个量子计算任务重新设计电路，任务横跨化学、优化、物理模拟和数论。结果是八项里多数设计同时用更少的量子比特和更少的门超过此前已发表的最佳方案，其中椭圆曲线点加法的一款新设计，门数降到原来的十七分之一。这不是让量子计算机提前商用，而是把“电路太贵”这个老问题，又往前推了一步。
它不是算出答案，而是自己改设计、自己迭代
实验方式值得先说清。研究者给 Claude 的只有一页纸级别的自然语言说明：每个电路要算什么、评估器怎么验算、按什么打分。随后模型进入闭环：提出一版电路设计，交给自动评估器检查正确性，并按“量子比特数乘以门数”打分，再根据反馈改下一版，轮次之间没有人介入。这项工作由 Anthropic STEM Fellows 项目的 Andi Gu 主导，量子物理学家 Alek Kemeny 担任导师，哈佛大学的 Susanne Yelin 与 Mikhail Lukin 参与合作，完整论文已挂上 arXiv。闭环能成立有个前提：这类电路的对错可以被普通计算机高效验证，分数又是单一客观指标。
最难的一题，它绕开了量子电路的记忆难题
八项任务里最硬的是椭圆曲线点加法，它是量子算法破解椭圆曲线离散对数问题的核心步骤，成本大头在一个叫模逆运算的环节。经典算法 divsteps 在普通计算机上跑得很好，但搬进量子电路会撞上可逆性约束：每一步选了哪条分支，记录不能像普通程序那样用完就扔，必须留着以便把计算倒放回去，直算的版本要为此付出海量额外量子比特。Claude 独自工作 53 小时后换了思路：不存这份记录，而是证明了一组新的代数恒等式，从每轮迭代后的数字对里直接把分支信息解码出来，还用 Lean 做了形式化验证，给出首个不需要存储分支历史的 divsteps 可逆实现。在此基础上它又生成了一族折中设计：其中一款比此前最小的设计多用 12% 量子比特，门数却只有十七分之一。
另一项发现：量子优化算法最贵的一步便宜了约 12 倍
第二个被点名的成果落在解码量子干涉测量（DQI）上，这是一种被寄予厚望的量子优化算法。Claude 重新设计了其中成本最高的一个环节，让这一步的开销降到约原来的十二分之一。背景数字更能说明这类改进的分量：以固氮酶核心簇 FeMoco 的基态能量计算为例，2017 年的估计需要约 50 万亿个 Toffoli 门，靠历次电路层面的重新设计，已被压到约 3.4 亿个——硬件没换，省的全是设计。
先别把它读成量子计算机明天就能用
边界同样要写清。这些电路目前是纸面加模拟验证的设计，没有在真实量子硬件上以相应规模跑通；八个任务都属于答案可高效核验的特定类型，换成没有这种结构的难题，闭环未必成立；成绩出自 Anthropic 自家评估器与论文，独立复现还在路上；执行任务的 Mythos 5 本身也仍是只向少数伙伴开放的受限模型。下一步要盯的是 arXiv 论文的同行讨论，以及有没有团队把其中一款电路真正在硬件上验证。
