AI 做完九圈计算后，产品仍要问谁来验证
Anthropic 的九圈计算案例展示了长时 AI 工作流如何执行已知方法；产品真正该复制的不是“自主科研”叙事，而是把任务边界、资源预算和独立验证一起纳入交付。
文章目录
“Claude 算到九圈”很容易被讲成“AI 做出了新的物理发现”。但 Anthropic 这篇案例真正展示的，是一个模型在明确的数学目标下，能否调用现有方法、组织计算资源，并把结果交给领域专家检查。
Anthropic 于 2026 年 9 月 25 日发布的文章称，两位研究人员用 Claude Fable 5.1 完成了平面 N=4 超杨–米尔斯理论中一个六粒子散射振幅的九圈计算。作者同时强调：Claude 使用的是已有方法，结果没有带来新的物理原理；它说明了一个明确、可验证的计算任务可能比专家原先预估的更可行，而不是证明模型已经能自主推动任意科学研究。
先区分“算出一个结果”和“发现新物理”#
散射振幅是粒子物理学家用来计算粒子如何相互作用的公式。圈数越高，计算通常越复杂。平面 N=4 超杨–米尔斯理论是一种便于检验计算方法的理论模型，不是对现实粒子世界的直接描述。
这次目标非常具体：计算该理论中的六粒子振幅，并推进到九圈。对产品设计来说，这种目标有一个重要优势——它不是泛泛地要求模型“研究物理”，而是一个领域专家能够判断结果是否满足既有约束、也能用另一种路径核对的工作项。
因此，准确描述成果应是：AI 系统完成了一项高复杂度、边界清晰的理论计算，并由外部领域专家验证。它不是实验发现，也不是一项新的物理理论。
成果来自模型、工具、算力和验证的组合#
| 环节 | 原文披露的设置 | 对产品评估的意义 |
|---|---|---|
| 任务 | 平面 N=4 超杨–米尔斯中的六粒子振幅，目标为九圈 | 先定义可验收的产物，避免用“有帮助”代替任务完成 |
| 模型与系统 | Anthropic 研究人员使用 Claude Fable 5.1 与 Claude Science；后者提供面向科学工作的 harness | 结果属于模型与工具环境的组合，不能只归因于模型名称 |
| 工作方式 | Claude 分别通过原始 bootstrap 和间接 form-factor 路径计算；研究人员给出目标后让它持续工作，并要求定期汇报 | 长任务需要持续运行、状态更新和明确停止条件 |
| 资源估算 | 原文估计每种路径的用户侧成本约为 1,000–2,000 美元；bootstrap 路径的 Python/SymPy 计算约使用 96 个 CPU 一周，算力约 100 美元 | 模型费用与计算费用应分开记录；这些是原文估算，不是第三方审计账单 |
| 核验 | SLAC/斯坦福的粒子物理学家 Lance Dixon 独立检查结果，并主要借助较容易核验的 form-factor 路径 | 生成者之外的核验路径，是成果可信度的一部分 |
另一个研究团队此前也取得了九圈振幅的大部分结果，并使用了 GPT‑6 的部分辅助，但没有采用同一套整体方法。这个并行进展能帮助读者理解领域背景，却不是模型间的受控对照：任务路径、工具、投入和完成口径都不同，不能据此排出模型名次。
给研究型 Agent 加上一份验收合同#
如果把这类能力做成产品，我会把验收标准放在“已验证的交付物”上，而不是调用时长、生成内容或模型自报的完成状态。
- 任务合同： 写明目标对象、允许使用的方法、成功条件和可检查的中间结果。结果必须能被领域规则或独立工具检验。
- 运行合同： 记录模型版本、harness、工具、运行时长和算力预算。模型调用费、外部计算费与人工复核成本分别核算；预算耗尽或长期没有可检查进展时应暂停。
- 核验合同： 预先指定独立的验证方式，例如已知约束、另一条推导路径或领域专家检查。生成过程与核验过程不能只靠同一个 Agent 自我确认。
- 披露合同： 发布结果时保留足以复核的任务定义、方法、版本和验证状态，同时明确哪些部分仍需人工判断。
相应地，产品指标也可以从“完成率”扩展为每个独立核验通过的结果成本、从提交到核验完成的时间、以及换一个核验者后能否复现。这些是我基于案例提出的产品指标，并非 Anthropic 报告的实验数据。
它说明了什么，又没有说明什么#
这个案例说明，在目标清晰、计算流程已知、结果可检查的任务上，长时运行的模型与专业工具组合可能把过去需要研究者持续投入的工作推进到可验证阶段。它也说明，算力预算并非唯一成本：模型持续运行本身占了主要费用，独立核验还需要领域专家时间。
它没有证明 Claude 或 Fable 5.1 能普遍替代科研人员，没有证明模型提出了新的物理原理，也没有给出不同模型在相同算力、提示、工具和评估者设置下的比较。文章作者特别指出，这次结果使用的是已知计算方法；另一组研究者也几乎同期取得了相关进展。
因此，产品可以据此寻找“可被明确定义、可由独立手段验收”的长任务机会，却不应把单个成功案例包装成“AI 已能自主做科学”的通用承诺。
来源与边界#
- 原始来源： Anthropic Science 于 2026 年 9 月 25 日发布 Yes, Claude can do Nine Loops。文章由理论物理学家、科学写作者 Matt von Hippel 撰写；Anthropic 邀请并支付了稿酬，作者说明观点由其本人负责。
- 研究对象与系统： Anthropic 研究人员 Liam Fitzpatrick 与 Siddharth Mishra-Sharma 使用 Claude Fable 5.1 和 Claude Science，计算平面 N=4 超杨–米尔斯理论中的六粒子九圈散射振幅。
- 方法、资源与核验： 原文披露了 bootstrap 和 form-factor 两条计算路径、约 1,000–2,000 美元的每路径用户侧成本估算、bootstrap 计算的约 96 CPU 一周与约 100 美元算力成本。Lance Dixon 独立检查了结果；原文同时说明他获得了 Claude 使用额度。
- 结果边界： 这是单个理论计算案例，不是新物理发现、现实粒子实验结果或同协议模型评测。作者称系统使用已知方法；并行团队的 GPT‑6 辅助工作也不是受控对照。
- 本文解读： “任务合同、运行合同、核验合同、披露合同”及相应产品指标，是本文基于该案例提出的研究型 Agent 产品设计建议，不代表 Anthropic 已验证或发布的通用规范。