Claude Fable 5.2解开黑洞物理两大悬案:一道20年未竟计算终于收尾,一个精确界值锁定9.1266

2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独

2026年11月17日,Anthropic公开了一项研究成果:Claude Fable 5.2独立解决了黑洞理论物理学中两个长期悬而未决的开放问题。两篇预印本同日发布,均列Anthropic为贡献机构,并注明论文由Claude在“极少人工指导”下写成,主要结果经一名物理学家审核。这是已知首例AI系统在基础科学领域独立完成并署名发表研究论文的公开记录。

两个具体问题:不是泛泛“突破”,是有精确答案的悬案

要理解这次成果的分量,需要先弄清这两个问题究竟是什么,以及为什么人类物理学家多年没能解决。

第一个问题涉及“全息对偶”框架下的霍金-佩奇相变。1983年,史蒂芬·霍金与唐·佩奇证明:在某类理论宇宙中,温度升至临界点时,粒子气体会突然变成黑洞——这个转变是突变式的,类似水在100℃突然沸腾,而非渐进过渡。但霍金-佩奇的原始计算依赖广义相对论,只在理论宇宙足够大时成立。当宇宙尺度缩小到时空失去确定形状(所谓“模糊时空”)的量级,重力一侧的计算就无法进行。物理学家在1999年发现弱耦合区同样存在相变迹象,并在2003年搭好了完成这个计算的理论框架,但计算本身复杂到无法用手工完成,此后超过20年无人将其推进到终点。

据Anthropic官方博客披露,Claude Fable 5.2让多个自身副本各自独立完成计算的不同部分,再相互交叉验证,最终确认:即使在时空形状模糊的弱耦合区域,霍金-佩奇相变依然是突变式的(一阶相变),与强耦合区的行为保持一致。这个结论填上了理论图景中的一个关键空白。

第二个问题涉及“模块化自举”方法。这一工具由西蒙·赫尔曼(Simeon Hellerman)于2009年提出,通过对三维量子引力理论施加一致性约束,给出理论中最轻黑洞质量的上界——换言之,它是用来排除不自洽量子引力候选理论的筛子。此前物理学家能够严格证明的上界是c/8.5,数值模拟则暗示真实值接近c/9.1,但两者之间存在缺口,精确边界无人知晓。Claude在61次平行尝试失败后,注意到数值结果中一个此前被忽视的规律,引入来自数学另一分支的“谱曲线”方法,最终证明精确上界为c/9.1266,并确认这是该方法能达到的最优结果。这一结论于2026年9月在Lean——一套计算机辅助形式证明检验系统——中完成独立验证。

六周、22个候选问题、一名物理学家:项目是怎么运转的

这次研究的运作方式本身也值得解析。据Anthropic披露,项目发起人是Anthropic研究员洪斌·陈(Hongbin Chen),起初只是一个支线实验——他让Claude列出黑洞物理和自举方法领域的开放问题,Claude返回了22个候选题目。随后,洪斌·陈为每个问题配置了独立的后台agent,让它们并行工作约六周。最终,22个问题中有2个被解决。

这个“22选2”的命中率既说明问题,也揭示局限。两个被解决的问题有一个共同特征:它们都存在已经搭好的理论框架,缺的是把计算推进到终点的算力和耐心,而不是全新的物理直觉。第一个问题有2003年的计算框架等着被完成,第二个问题有c/8.5到c/9.1之间的数值缝隙等待被精确定位。这类问题恰好是当前AI系统的优势区间:持续、精准、不知疲倦地在已知框架内搜索。

其余20个候选问题未被解决,这一事实Anthropic并未刻意回避。官方博客明确指出:这两个结果“既未解决量子引力问题,甚至远未接近解决”。模块化自举方法的精确上界虽然确定了,但c/12才是黑洞真正开始出现的位置,新结果仍与这个关键门槛相距甚远。

对竞争格局意味着什么

从产业视角看,这次发布在AI能力叙事上制造了一个清晰的分水岭。过去几年,各大AI公司宣传科研能力的惯常方式是展示“辅助”——帮物理学家整理文献、加速代码调试、生成草稿供专家修改。这次Anthropic的表述明显不同:论文由Claude署名,物理学家的角色从“主导者”变成“审核者”,而且有一个细节特别值得注意:在霍金-佩奇问题上,另一个也在使用Claude的物理学家独立得出了相同结论,但比Claude慢了一步。

这个定位转变对竞争对手形成了压力。DeepMind的AlphaFold在蛋白质结构预测领域完成了类似的角色转换——从工具变成研究者——并在2024年催生了诺贝尔化学奖。但蛋白质折叠是一个可以大规模数据训练的预测问题,而理论物理的开放问题没有已知答案可供训练,依赖的是数学推导和逻辑跳跃。Claude Fable 5.2在无标准答案的数学物理领域完成独立推导,代表着不同的能力维度。

对开发者和研究机构而言,这次发布带来的可操作信号是:当一个研究问题已有理论框架但计算量超出人力极限,且结果可以形式化验证(如Lean),这类问题对当前AI系统的适配度相对较高,值得优先用agent模式尝试。反之,需要全新物理直觉或跨越未知概念障碍的问题,22选2的命中率说明成功率目前仍然有限。

与AlphaFold的对照:相似的叙事,不同的基础

将这次突破与AlphaFold做横向比较是自然的,但需要区分两者的本质差异。AlphaFold的核心是预测——给定蛋白质序列,预测三维折叠结构,这个任务有海量实验数据作为训练信号和验证锚点。模块化自举的精确上界是一个数学命题,它的“正确”由形式证明系统Lean确认,而非实验数据——这是一种更接近数学定理的验证。从这个角度看,Claude Fable 5.2所做的事情更接近“机器辅助数学证明”的传统,而不是机器学习意义上的模式识别。

这个区分对于评估其可重复性和推广范围至关重要。一个被Lean验证的数学结论是确定的;一个AI生成的物理直觉能否推广到需要全新概念的问题,仍是开放问题。

接下来会发生什么:分析性判断

以下是基于上述分析的前瞻判断,属分析而非事实。

最可能的直接后续是:Anthropic会将这两篇预印本推进到同行评审期刊,这是检验“AI独立科研”叙事能否经受物理学界正式审查的关键节点。如果论文通过同行评审并被高影响力期刊接受,将大幅提升这一叙事的公信力;如果审稿人发现根本性错误,则整个框架需要重新评估。目前Lean验证确认了自举结论的数学正确性,但物理解释层面的完整性仍有待专业评审。

第二个信号是其他AI实验室的反应速度。如果Google DeepMind或OpenAI在未来数月内宣布类似的基础科学成果,说明这一能力边界正在被普遍突破;如果沉默,可能意味着Fable 5.2在数学推导上具备某种特殊优势,或者Anthropic的agent架构设计(让多副本交叉验证)具有不易复制的结构优势。

第三个信号是量子引力社区的吸收速度。若这两个结果被其他物理学家引用并在此基础上推进研究,说明AI生成的理论物理成果已进入正式学术循环;若被边缘化或忽视,则这次发布更多是一个技术能力展示,而非物理学研究范式的真正转折点。

从工程实践角度,六周、22个候选、2个结果,这个配置成本不低,但远低于雇用一组博士后研究员数年的人力投入。对于有清晰框架、缺最后一公里计算的理论问题,这个性价比可能正在开启一种新的研究组织方式——不是取代物理学家,而是重新分配人类智识与机器算力各自承担的工作。