
Anthropic:1000 个 Fable agent 在沙箱和 SQL 协调下,用 28.7 小时形式化费马大定理
工程Fable 5.2多智能体形式化证明费马大定理沙箱Postgres
一句话结论
Anthropic 用 1000 个 Claude Fable 5.2 智能体,只依靠 Git、共享 Postgres 和无网络沙箱,在没有专用证明平台、也没有人现场指挥的情况下,用 28.7 小时复现了费马大定理的形式化证明;输出 token 大约是 9 月有人值守方案的三分之一,证明长度大约是七分之一。
打开原文
Anthropic / claude.dev:Safely scaling multi-agent teams with Claude Fable 5.2
背景与理念
团队想验证的是:大规模多智能体能不能在几乎没有专用平台、也没有人在环内指挥的情况下,安全地完成一项很长的形式化数学任务。对照基线是今年 9 月那次有人值守、并借助专用平台的费马大定理形式化,当时用了 11 天,输出大约 60 亿个 token。这一次他们把协调机制收成最普通的工具:版本库、共享数据库和彼此隔离的沙箱。
具体做法
- 启动 1000 个 Fable 5.2 智能体,只给它们 Git、一份共享的 Postgres,以及不能上网的沙箱。没有 Prove2Me 这类专用证明平台,也没有人在运行过程中指挥分工。
- 任务不是从零猜想定理,而是在给定 60 条陈述和 47 条已经证明的引理之后,完成形式化证明。智能体自己把工作拆成任务树,并在共享数据库里协调进度。
- 单机同时跑大约 100 个智能体时,一半以上会崩溃,于是改成 1000 个相互独立的沙箱。启动后的头 10 分钟,它们建立起 5 张用于协调的数据表。其中 Langlands–Tunnell 相关的任务树有 2418 个节点,最深到 10 层。
- 整个过程产生了超过 100 万次工具调用,没有一次触发实时拦截。安全扩容的重点,是先把每个智能体关进无网络沙箱,再用数据库做可见的协调,而不是开放自由联网后再靠事后审核。
关键数据/例子
整次形式化用了 28.7 小时完成。与 9 月那次 11 天、大约 60 亿输出 token 的有人值守方案相比,输出 token 大约降到三分之一,证明长度大约降到七分之一。单机大约 100 个智能体时过半崩溃;改成 1000 个独立沙箱后才稳住。Langlands–Tunnell 任务树有 2418 个节点、深至 10 层;头 10 分钟建起 5 张协调表;百万次以上工具调用没有触发实时拦截。
创新点
第一,用 Git 加共享数据库加无网络沙箱,代替专用证明平台和人工指挥,证明大规模智能体也可以自己协调一项超长的形式化任务。第二,先解决崩溃和隔离,再追求规模:单机挤进约 100 个智能体会过半失败,换成 1000 个独立沙箱之后,安全和进度协调才同时成立。
可否复用
- 扩多智能体时先给每个实例独立、无网络的沙箱,再用共享数据库记录任务和进度,不要先在同一台机器上挤进上百个进程。
- 把协调协议写成智能体自己能创建和查询的数据表,而不是另外养一套只有人能看懂的调度后台。
- 对照实验要同时记录完成时间、输出 token 和产物长度,并写明给了哪些先验引理,避免把「复现形式化」读成「从零发现证明」。