Pesquisadores ligados à Anthropic (abre em nova aba) e à Universidade Harvard deram ao modelo Claude Mythos 5 duas coisas: a descrição, em linguagem comum, de oito circuitos quânticos e um programa capaz de conferir e dar nota a cada tentativa. Segundo a empresa, o modelo devolveu desenhos melhores do que os melhores já publicados. Em alguns casos a vantagem chega a uma ordem de grandeza ou mais, isto é, dez vezes ou além. O resultado foi divulgado em 16 de outubro de 2026.
Um circuito quântico é a receita que um computador quântico executa. Ele é uma sequência de operações, chamadas portas, aplicadas a qubits, as unidades básicas de informação dessas máquinas. Dois números dizem quanto custa essa receita. O primeiro é a quantidade de qubits ocupados ao mesmo tempo. O segundo é o número de portas. O estudo conta um tipo específico, a porta Toffoli, e a usa como principal medida de esforço. Quanto menos de cada um, menos o algoritmo exige da máquina.
A economia pode ser enorme. Numa nota do anúncio, a Anthropic cita o caso da FeMoco, molécula usada como referência em química quântica. Para o mesmo modelo da molécula, com 54 orbitais, as estimativas caíram de cerca de 50 trilhões de portas Toffoli, em 2017, para cerca de 340 milhões em trabalhos posteriores, segundo um levantamento de Low e colegas publicado em 2025. A molécula não mudou. Mudou o desenho do circuito, e mudou graças a anos de trabalho humano. A pergunta do novo estudo é se um modelo de IA consegue dar os passos seguintes.
Oito pedidos e um juiz automático
O trabalho foi liderado por Andi Gu, do departamento de física de Harvard e do programa STEM Fellows da Anthropic, voltado a ciência, tecnologia, engenharia e matemática. Gu teve orientação de Alek Kemeny, físico quântico da empresa, e colaboração de Susanne Yelin, de Harvard, e Mikhail Lukin, de Harvard e da QuEra Computing. Os detalhes estão no artigo Discovering state-of-the-art quantum circuits with large language models (abre em nova aba), publicado em 15 de outubro no arXiv, repositório público de artigos científicos. Os problemas vêm de química, otimização, simulação física e teoria dos números.
O método tem duas peças. O modelo de linguagem propõe um circuito, escrito na linguagem de programação Python. Um avaliador automático e independente verifica se o circuito faz o que foi pedido e calcula a nota, que é o número de portas multiplicado pelo número de qubits. Na multiplicação, uma coisa compensa a outra: gastar um pouco mais de qubits pode valer a pena se as portas caírem muito. O modelo recebe a nota e tenta de novo, sem intervenção humana entre as rodadas. Os autores chamam o arranjo de estrutura evolutiva, porque os desenhos vão sendo refinados a cada ciclo de avaliação.
O caso mais longo relatado pela Anthropic durou 53 horas. Tratava-se de um circuito de adição de pontos em curvas elípticas, uma operação da teoria dos números. Segundo a empresa, a participação humana se limitou ao pedido inicial e a lembretes ocasionais para pensar de forma mais ampla, um tipo de supervisão que caberia num bilhete. Dessa família de soluções, um circuito usa 12% mais qubits que o menor desenho anterior, mas 17 vezes menos portas. A comparação é com trabalhos de Schrottenloher e de Luo e colegas, ambos de 2026.
A aposta de uma falha em 10 mil
O outro destaque do anúncio é um decodificador Reed-Solomon. Os códigos Reed-Solomon servem para recuperar informação que chegou com erros, e a mesma família aparece, por exemplo, nos QR codes. Aqui o decodificador é peça da interferometria quântica decodificada, conhecida pela sigla DQI, um método quântico voltado a problemas de otimização. A Anthropic diz que o Claude reduziu as portas em 12 vezes em relação à construção anterior do Google. No artigo, as portas Toffoli caem de 5,1 milhões para 440 mil.
Uma das escolhas do novo desenho envolve probabilidade. O circuito tem uma área de reserva, que os autores chamam de pilha. Dimensioná-la para o pior caso exigiria 665 qubits. O desenho encontrado reserva 19, porque, de acordo com o artigo, uma segunda entrada na pilha só é necessária com probabilidade de 1 em 10 mil. É a lógica do restaurante que desmonta o salão preparado para a excursão que quase nunca aparece. A Anthropic descreve o custo dessa escolha como cerca de uma falha a cada 10 mil decodificações e informa que o resultado veio depois de 403 milhões de decodificações de amostra.
Os números, tarefa por tarefa
A tabela principal do artigo reúne as oito tarefas. O ganho indica quantas vezes o produto entre portas Toffoli e qubits caiu em relação ao melhor desenho publicado. Quando o projeto antigo tinha parâmetros ajustáveis, os autores escolheram os valores que o deixavam mais barato, para não competir com uma versão mal configurada. Nas seis tarefas abaixo, os ganhos vão de 4,1 a 39 vezes.
| Tarefa | Portas Toffoli (antes → depois) | Qubits (antes → depois) | Ganho |
|---|---|---|---|
| Decodificador Reed-Solomon para DQI | 5,1 milhões → 440 mil | 1.938 → 1.837 | 12 vezes |
| Ângulo de rotação do algoritmo HHL | 16 mil → 1.348 | 300 → 115 | 32 vezes |
| Potencial de Coulomb | 6.355 → 1.140 | 252 → 142 | 9,9 vezes |
| Gaussiana em ponto fixo | 24 mil → 1.583 | 362 → 139 | 39 vezes |
| Etapa de química do Fe2S2 | 55 mil → 15 mil | 139 → 126 | 4,1 vezes |
| Simulação de teoria de gauge não abeliana em rede | 1,3 milhão → 170 mil | 1.927 → 1.859 | 7,7 vezes |
Os nomes pedem tradução. HHL é um algoritmo quântico para resolver sistemas de equações lineares. O potencial de Coulomb descreve a atração e a repulsão entre cargas elétricas e serve de base para simulações em química e física. A gaussiana é a curva em forma de sino, calculada aqui num formato numérico chamado ponto fixo. Fe2S2 é um aglomerado de ferro e enxofre estudado em química. A teoria de gauge em rede simula, numa grade, modelos da física de partículas.
A sétima tarefa é outro decodificador para DQI, chamado hermitiano. O desenho encontrado usa cerca de 930 mil portas Toffoli e 2.395 qubits, contra uma referência de 100 milhões de portas e 190 mil qubits. O artigo marca essa referência com uma observação e não apresenta o ganho no mesmo formato. Somadas, são as sete tarefas em que, segundo o resumo do estudo, os circuitos descobertos reduzem de forma significativa tanto as portas quanto os qubits.
O oitavo resultado talvez seja o mais curioso, e é o único sem referência de comparação na tabela.
A tarefa era a inversão modular em corpo primo. Esse cálculo de teoria dos números encontra o "inverso" de um número numa aritmética que recomeça ao chegar a um número primo, como os ponteiros de um relógio. Circuitos quânticos precisam ser reversíveis, ou seja, cada passo tem de poder ser desfeito, o que complica contas simples para um computador comum. Segundo os autores, a busca chegou a uma arquitetura reversível nova, que lida com a reversibilidade de outro jeito. Com isso, torna-se viável o divsteps, algoritmo clássico até então impraticável para aritmética reversível. O circuito resultante usa 4 milhões de portas Toffoli e 935 qubits, e os autores afirmam que ele melhora bastante o equilíbrio entre os dois recursos nesse tipo de cálculo.
No anúncio publicado no X, a conta oficial da Anthropic explicou por que a empresa considera o resultado relevante. A última frase do post é uma projeção da empresa, não algo medido no estudo.
Novidade do nosso programa STEM Fellows: projetando circuitos quânticos mais eficientes com o Claude. A partir de instruções em linguagem comum, o Claude Mythos 5 projetou circuitos quânticos que superam os melhores já publicados, às vezes por uma ordem de grandeza ou mais. Circuitos mais eficientes reduzem os recursos necessários aos algoritmos quânticos, o que poderia colocar ao alcance mais cedo aplicações da computação quântica em química e ciência de materiais.
Medido no papel
Os ganhos dizem respeito à contagem de recursos: o avaliador confere se o desenho cumpre a especificação e soma portas e qubits. O artigo saiu como preprint, formato divulgado antes da revisão por outros especialistas, e por enquanto os números vêm dos próprios autores. Os dois textos também diferem na ênfase. O anúncio da Anthropic atribui o trabalho ao Claude Mythos 5, enquanto a página do artigo no arXiv fala em modelos de linguagem de grande porte, sem citar o nome do modelo.
Nem o anúncio nem o artigo separam quanto do mérito cabe ao modelo e quanto cabe ao método. As duas leituras continuam plausíveis. Numa, o modelo raciocina sobre circuitos a partir de uma descrição em texto. Na outra, pesa mais o ciclo de tentativas: incansável, guiado por um juiz rigoroso, ele acharia o que escapou a quem desenhou à mão. O resumo do estudo aposta na combinação ao dizer que os resultados abrem caminho para o codesenho, com modelos de linguagem guiados por avaliador, de novas estruturas de algoritmos quânticos.
Nesse arranjo, coube às pessoas escrever a descrição de cada circuito e o programa que dava as notas. Para quem quiser aplicar a abordagem a outro problema, o ponto de partida deixa de ser o desenho do circuito e passa a ser o avaliador que decide o que conta como melhor.
Perguntas frequentes
O Claude Mythos 5 projetou os circuitos sem ajuda humana?
Em grande parte, sim, segundo a Anthropic. Os pesquisadores escreveram as especificações em linguagem comum e montaram o avaliador automático. Depois disso, o modelo trabalhou em ciclo fechado, sem intervenção humana entre as rodadas. No circuito de curvas elípticas, a ajuda humana se resumiu ao pedido inicial e a lembretes ocasionais para pensar de forma mais ampla.
Como o estudo mede se um circuito quântico ficou melhor?
O estudo multiplica o número de portas Toffoli pelo número máximo de qubits usados ao mesmo tempo, e quanto menor o produto, melhor o circuito. Os desenhos anteriores foram comparados na configuração mais favorável a eles.
Por que reduzir portas e qubits importa?
Circuitos mais enxutos exigem menos recursos dos computadores quânticos. A Anthropic afirma que isso poderia antecipar aplicações em química e ciência de materiais, mas essa é uma projeção da empresa, não um resultado medido no estudo.
Os resultados já foram confirmados por outros cientistas?
Ainda não. O trabalho foi publicado como preprint no arXiv em 15 de outubro de 2026, e os números foram apresentados pelos próprios autores, da Anthropic e de Harvard, sem revisão por outros especialistas até agora.