Claude 11 nap alatt bizonyította Fermat-t. Ítélet: SHIP IT.
Claude 11 napot és körülbelül 6 milliárd tokent töltött azzal, hogy megírta Fermat utolsó tételének 13 millió soros Lean alapú bizonyítását – ez az első végpontok közötti számítógéppel ellenőrzött változat –, miközben a matematikus, aki 2024 óta formalizálja, azt mondja, hogy matematikailag „lényegében semmit sem mond nekünk”, és mégis izgatott.
Claude 11 napot és körülbelül 6 milliárd tokent töltött azzal, hogy megírta Fermat utolsó tételének 13 millió soros Lean alapú bizonyítását – ez az első végpontok közötti számítógéppel ellenőrzött változat –, miközben a matematikus, aki 2024 óta formalizálja, azt mondja, hogy matematikailag „lényegében semmit sem mond nekünk”, és mégis izgatott. Ugyanezen a napon: A Go világelső Shin Jin-seo 2–1-re verte KataGo-t kétköves hendikeppel. Ítélet: SHIP IT.
Amit ez a videó tartalmaz
- Claude formalizálja Fermat utolsó tételét a Lean 4-ben
- Chromium sandbox RCE (CVE-2026-85046), kihasználva a valóságban, 1000 dollár jutalom
- Shin Jin-seo legyőzi KataGo-t kétköves hendikeppel
Kérdések és válaszok
Mit bizonyított Claude, amikor formalizálta a Fermat utolsó tételét Leanben?
Claude számítógéppel ellenőrzött Lean 4 bizonyítékot írt a Fermat utolsó tételére, az első végponttól végpontig tartót. Az Anthropic ügynökei 11 napot és körülbelül 6 milliárd kimeneti tokent használtak fel, 13 millió sor Leant és 29 500 közbenső tételt eredményezve. A Lean minden lépést mechanikusan ellenőriz, és a fordítás meghiúsul, hacsak a bizonyíték pontosan a Lean három standard axiómáján alapul.
Mennyi számítás szükséges egy ilyen méretű gép által írt bizonyíték ellenőrzéséhez?
Az ellenőrzés drága. Egy nulláról történő építés öt és fél órát vett igénybe 96 magon és 153 gigabájt RAM-on. Kevin Buzzard lefordította a tárolót egy 500 gigabájtos gépen, amelyet az Anthropic kölcsönzött neki, és megerősítette, hogy az ellenőrzés sikeres. A tételek nevei gép által generáltak, így a tároló úgy írja le magát, mint ami inkább ellenőrzésre, mint olvasásra készült.
Hozzátesz-e bármit a matematikához egy MI által írt, formális bizonyíték a Fermat utolsó tételére?
Kevin Buzzard, aki 2024 óta vezeti a humán formalizálási erőfeszítéseket, azt írta, hogy matematikailag a munka lényegében semmit sem mond el nekünk. Már 99,9 százalékban biztos volt abban, hogy a tétel igaz, és a bizonyíték nem ad hozzá új matematikát. Mégis izgatott, mert megmutatja, mire képes most az autoformalizálás. Az Anthropic bejegyzése szerint a Lean minden kétséget kizáróan bizonyítja a helyességet.
Egy ember még mindig legyőzheti a legerősebb Go mesterséges intelligenciát?
Igen, hendikeppel. Shin Jin-seo, a világ első számú Go játékosa, két játékból egyet megnyert KataGo, a legerősebb nyílt forráskódú Go motor ellen Szöulban, két kő hendikeppel. A döntő egy 11,5 pontos győzelem volt 221 lépésben. Azt mondta, vesztett, amikor korán lemásolta az MI lépéseit, és saját stílusában építve a táblát nyert.
A fejlesztőknek és matematikusoknak valós eredményként kell-e kezelniük Claude Lean bizonyítékát a Fermat-ról?
A The Daily Diff ítélete SHIP IT volt. A Lean kernel elfogadja a bizonyítékot, és Kevin Buzzard megerősítette, hogy az ellenőrzés sikeres. A matematika ugyanaz maradt, miközben a matematikusok által használt bizonyítékellenőrzési módszer megváltozott. A Buzzard által vezetett emberi erőfeszítés 2024-ben kezdődött, és Claude ügynökei tizenegy nap alatt végeztek.
Lefordított átirat
Az eredeti angol narrációból fordítva. A rendelkezésre álló hangot és feliratokat a YouTube vezérli.
0:00 Fermat azt mondta, csodálatos bizonyítása nem férne el a margóra, és ma az Anthropic publikálta a margót: tizenhárommillió sor Lean, ötször nagyobb, mint a Mathlib, és egy olyan tételt bizonyít, amit minden matematikus már el is hitt. Tbilisziben tíz-tizenegy volt, amikor az Anthropic posztolt, szóval természetesen ébren voltam. Tegnap a Google kiadta a Chrome 152-t tizenkét biztonsági javítással, ezek közül az egyik egy V8 hiba, amit már kihasználtak a valóságban, és ezer dollárt fizettek a bejelentőnek, ami kevesebb, mint az a szedán, amiről később szót ejtünk.
0:26 Szintén tegnap a Mullvad bejelentette, hogy november 2-án leállítja nyilvános titkosított DNS-ét, és a Quad9-nek fizet, hogy ezt tegye helyette, ma reggel pedig a Rust React Compiler natívvá vált Vite-ban, miközben a Hacker News felfedezte az IBM Bobot, egy AI kódoló ügynököt. Aztán Claude formalizálta Fermat utolsó tételét, és ugyanazon az első oldalon egy koreai nagymester legyőzte a legerősebb Go motort a Földön, szóval ma az emberiség egyből kettőt teljesített. Ebben a videóban: mit is bizonyított Claude valójában, mennyibe került,
0:52 miért mondja a matematikus, aki a karrierjét erre szánta, hogy ez semmin sem változtat, és mégis izgatott, és hogyan győzte le az ember a gépet Go-ban. Péntek van, szeptember 4., és ez a The Daily Diff. Fermat utolsó tétele: nincsenek pozitív egész számok a, b, c amelyek kielégítik az a az n-edik plusz b az n-edik egyenlő c az n-edik egyenletet bármely 2-nél nagyobb n esetén. Fermat 1637 körül felírta a margóra, és úgy halt meg, hogy nem mutatta be a munkáját, így ő lett az első fejlesztő, aki egy „az én gépemen működik” megjegyzéssel zárt le egy hibajegyet. Egy 1908-as 100 000 arany márkás díj 621 hibás
1:25 bizonyítékot vonzott az első évben, és Andrew Wiles végül 1995-ben kapta meg, 129 oldalon, aminek ellenőrzése hónapokig tartott a bírálók számára. A formalizálás azt jelenti, hogy átírjuk ezt a bizonyítékot, hogy a Lean, egy bizonyítási asszisztens, mechanikusan ellenőrizhesse minden lépését, és Kevin Buzzard az Imperialnál 2024 óta egy emberi erőfeszítést vezet pontosan ennek elvégzésére; a tervrajz önmagában 86 oldal. Tianyi Peng, az Anthropic kutatója ehelyett tucatnyi Claude ügynököt irányított rá, egy Prove2Me nevű platformon, amely egy DAG-ot tart fenn a tételekről, így az ügynökök tudják, mit kell legközelebb bizonyítaniuk, mert enélkül az első
2:00 rajok elvesztették a fonalat, hogy ki mit bizonyít, ami akkor történik, ha az orchestration réteged regex marketing költségvetéssel. Tizenegy nap múlva a gyökérpont így szólt: BIZONYÍTVA: tizenhárommillió sor Lean, 29 500 közbenső tétel, körülbelül hatmilliárd kimeneti token egy belső modellből, amely nagyjából összehasonlítható a Claude Fable 5.1-gyel. A fordítás sikertelen, hacsak a bizonyítás pontosan Lean három standard axiómáján alapul: nem, bocsánat, nincs natív döntés, nincs csalás. Az ellenőrzése sem olcsó: egy
2:29 a nulláról épített verzió öt és fél órát vett igénybe 96 magon és 153 gigabyte RAM-on, és a tételnevek géppel generáltak, így a repo azt állítja magáról, hogy ellenőrzésre íródott, nem pedig olvasásra, ami egyébként az enterprise Java-t is jellemezném. Most az ellentmondás. Az Anthropic bejegyzése szerint a Lean minden kétséget kizáróan igazolja a helyességet. Kevin Buzzard, az az ember, akit megelőztek, lefordította a repót egy 500 gigabyte-os gépen, amit az Anthropic kölcsönzött neki, megerősítette, hogy ellenőrizhető, majd azt írta,
2:56 idézem, matematikailag ez a munka lényegében semmit sem mond nekünk. Már 99,9 százalékig biztos volt abban, hogy a tétel igaz, és a bizonyítás nem ad hozzá új matematikát; azt mutatja meg, mire képes ma az autoformalizálás, és ez a része igazán izgatja. Öt évre egymillió fontot kapott; az Anthropic tizenegy napot vett igénybe, és egy kommentelő becslése szerint hatmilliárd kimeneti token listás áron körülbelül 300 000 dollár, szóval a gép olcsóbb volt, hacsak nem számoljuk a gép betanítását, amit senki sem tesz.
3:24 Legjobb részlet: az email akkor érkezett, amikor egy walesi zenei fesztiválon volt, egy vonal 4G-vel, egy névtől, amiről még sosem hallott, szóval bolondnak hitte, és egy héttel később olvasta el, ami a helyes válasz minden tárgysorra, amely végpontok közötti formalizálást tartalmaz. Közben az emberek visszavágtak. Shin Jin-seo, a világ első számú Go játékosa, legyőzte a KataGo-t, a legerősebb nyílt forráskódú Go motort, két játszmát egy ellen Szöulban, két kő handicappel, ami nagyjából a különbség egy top profi és egy újonc profi között.
3:50 A döntő egy 11,5 pontos győzelem volt 221 lépésben, megtartva a 99 százalékos nyerési valószínűséget a játék közepétől, és hazavitt 250 millió wont, körülbelül 170 000 dollárt, plusz egy Genesis G90-et, szóval a szuperhumán AI legyőzéséért járó jutalom 170-szerese a Google Chrome sandbox kikerüléséért járó jutalmának. Az ő magyarázata: eleinte AI lépéseket másolt és vesztett; úgy nyert, hogy a saját stílusában építette fel a táblát, ami a leghasznosabb tanács az AI-ról, amit idén hallottam, és egy társasjátéktól származott. Még két sor a diffben.
4:22 Az oxc Rust React fordítóprogramja most már natív a Vite-ben egy jelző mögött; egy 1036 fájlból álló kódbázis 14,3 másodpercről 0,81-re csökkent a fordítási lépésben, főleg a Babel törlésével a package.json-ból, ami egyben az én bőrápolási rutin is. És az IBM elindította Bobot, egy AI kódoló partnert, aki „Szia, Bob vagyok” üdvözlettel fogad, alügynököket hoz létre, modernizálja a nagyszámítógépek kódját, és kiad egy Bobalytics nevű analitikai terméket, szóval valahol egy bank nagyon izgatott, és senki sem olvasta el a licencet.
4:51 Ez sok margó egy péntekre; ha inkább elolvasnád, mint meghallgatnád tőlem, a diff minden reggel megérkezik a postaládádba – ingyenesen a the daily diff dot dev oldalon, link lent. Szóval, a mai ítélet: SHIP IT. A kernel igent mond, a Buzzard igent mond, a matek nem változott, de az, ahogyan a matekot ellenőrizzük, most igen. Ez a mai diff. Niko vagyok az Axrisi-től.
5:09 Összefonódás felelősségteljesen.
Források
- Anthropic — Formalizing Fermat's Last Theoremwww.anthropic.com
- The proof (Lean 4, Apache-2.0)github.com
- Kevin Buzzard — FLT: Anthropic has beaten me to itxenaproject.wordpress.com
- HN threadnews.ycombinator.com
- KED Global — Shin defeats KataGowww.kedglobal.com
- HNnews.ycombinator.com
- Chrome 152 release notes (CVE-2026-85046)chromereleases.googleblog.com
- NVDnvd.nist.gov
- Mullvad — shutting down public encrypted DNSmullvad.net
- Rust React Compiler native in Viteblog.master.dev
- IBM Bobbob.ibm.com



