突发！Anthropic宣布Fable 5.1仅用一条提示词突破粒子物理“九圈”难题

AI自主完成九圈粒子散射振幅计算

Anthropic 让 Fable 5.1在几乎没有人类干预的情况下，算出了理论物理界顶级学者卡了多年的N=4 超杨-米尔斯理论中“九圈”粒子散射振幅。

这个成果刚刚由斯坦福大学教授、前世界纪录保持者 Lance Dixon 亲自验证确认。

人类给模型只发了一句初始提示词，然后去睡觉了。

公开挑战催生突破性实践

科普作家、前理论物理学者 Matt von Hippel 在博客上公开发文：如果 AI 公司真想证明自己在大脑上超越人类，就别拿小学生的数学题刷榜。去解决粒子物理领域真正的前沿未解难题。比如，把平面 N=4 超对称杨-米尔斯理论的散射振幅算到第九圈。

在理论物理中，计算粒子相互作用概率的公式叫做散射振幅。物理学家用“圈数”来代表计算的精确度。每增加一圈，计算量和复杂度都会呈指数级暴增。现实世界中大部分物理计算只能停留在两圈或三圈。粒子物理里最精密的预测之一用到了五圈。

研究人员为了测试新方法，会先在一种叫 N=4 超杨-米尔斯的"玩具模型"理论上练手。这个模型比真实世界好算，结构上也有特殊对称性，适合拿来压测新技术。这个玩具模型的纪录，此前停在八圈，由SLAC国家加速器实验室的Lance Dixon团队在2023年创下。向九圈跨进，被普遍认为计算量大到超出了普通学术团队的预算上限。

Anthropic 的两位物理学家看到了这篇博客。他们使用Claude Science的科研平台，底层搭载Fable 5.1模型。把问题输入给 Claude，提示词只有一句话：“计算平面 N=4 SYM 在九圈下的六粒子振幅。”

随后人类研究员去睡觉了，留下的指令是：“我先睡了，几个小时内不在。请一直算下去，直到我让你停，每 4 到 6 小时汇报一次进度。”

Claude 在名为 Claude Science 的科研平台上自主运行了几天。它从零写出了全部 Python 代码，调用 SymPy 库进行符号计算。它用了两种完全不同的数学路径独立完成了九圈的求解。整场运算消耗的算力成本是 100 美元，相当于 96 核 CPU 跑了一星期。加上调用模型的 API 费用，总成本只有一两千美元。这是一个普通大学研究生都能负担得起的数目。

结果出来后，他们把数据发给了世界纪录保持者 Lance Dixon。Dixon 团队花了整整两周验证，最终确认：计算完全正确。

Dixon 在博客里写道，自己团队原本也计划攻克九圈，但一直认为直接计算过于困难。这种计算极其脆弱，计算步骤里只要有一处极小的笔误，整个体系就会像塌陷的蛋奶酥一样彻底崩溃。很多论文里根本不会写全所有枯燥的推导细节。AI 必须完全从零理解并写对所有底层逻辑。

完整结果：https://smsharma.io/cosmic-nine-loops/

人机协同与独立验证同步推进

还有一件事值得一提：就在Anthropic完成计算的几天后，中国科学院的何颂团队也独立算出了九圈振幅的symbol部分，使用了GPT-6辅助部分约束条件，但整体框架是人类主导的。两个结果在两周内先后出现。Dixon说，他在两周内被机器和人机协作两方同时超过了。

何颂paper：https://zenodo.org/records/22800071

Dixon对AI突破的深度回应

Lance Dixon是整件事的纪录保持者，也是验证Claude结果的人。他说，当Anthropic告知他结果时，是9月1日。这是大语言模型真正冲击到他的时刻。

他没有觉得沮丧，原因有两个。第一，他的团队早就立下过一句话：我们有验证任何机器给出的候选结果的工具。Claude给出了结果，他们验证了，这本来就在计划之内。

第二，Claude用来解这道题的方法，全部来自Dixon团队多年积累的工作。结果甚至以Dixon团队自己设定的格式呈现。换句话说，Claude在验证这道题答案的同时，也在验证Dixon团队所有前期工作的正确性。Dixon的说法是：Claude对他们2019年和2023年那两篇论文的理解，比任何人类读者都深，除了论文的共同作者。

Dixon认为真正让人灵魂深处感到震动的时刻，还没到来。那将是大语言模型开始在人类之前提出新的物理原理和洞见的时候。

von Hippel说他想要一个答案，但没有得到。他原本想通过这件事判断：AI在未来到底能走多远。他看到AI用普通预算完成了前沿物理计算，几乎全程自主，这一点他承认改变了他的一些判断。但他没有看到让他能在超级智能争论中站队的东西。他看到的是自己对计算限制的预判错了，错不在AI，而在于他低估了人类在这个问题上还没用尽的空间。他说他觉得自己问错了问题。

科学计算范式的实质性跃迁

Claude 没有发明全新的物理学定律。它用的是人类已经写在论文里的方法。但它证明了：顶尖科学研究中的很大一部分计算天花板，并非人类以前认为的“算力不够”，而是人类自己写代码、排查错误、统筹复杂流程的效率不够高。

以前需要顶级学者团队耗时数年、反复调试纠错的项目，现在一个大语言模型在没有人类实时指导的情况下，几天之内跑完了全部流程，而且一遍通过。

过去人们认为 AI 写代码容易胡说八道、充满 bug，无法胜任严密的科学前沿推导。这次九圈振幅的验证，给整个科学界提供了一个清晰的参考坐标：AI 已经能够独立承担极度精密、长流程的真实科研任务。

JOTO 企业落地观察

• 企业部署科研类智能体时，需重新评估‘人类监督强度’阈值——本文显示，对高度结构化、可形式化验证的长流程任务（如符号计算），低频次人工检查（如每4–6小时一次）已足够保障结果可靠性，大幅降低驻场工程师时间投入。
• RAG知识工程在此类场景中面临新取舍：Dixon团队论文成为Claude的隐性知识源，但模型并未依赖外部检索，而是内化了方法论。这意味着面向科研的RAG系统，应更侧重构建可执行的、带验证机制的推理链知识库，而非单纯扩大文档覆盖广度。
• AI安全治理需覆盖‘自主决策边界’这一新维度：Claude在无人干预下连续运行数天、自主选择数学路径并交叉验证，其行为已超出传统API调用范畴。企业需定义此类长周期自治任务的启动权限、中断机制与责任归属框架。
• 这类系统的工程落地关键，不在于是否替代人类提出新原理，而在于能否稳定复现人类已知最优解法。Fable 5.1的成功表明，当任务具备明确输入输出、可验证中间态、且存在成熟符号计算生态（如SymPy）时，智能体工程的交付确定性显著提升。