你可以把高阶理论计算想成搭一座纸牌塔：每加一层，步骤和相互依赖都会迅速增加；中间一个符号错了，最后的结果就可能整体倒塌。Anthropic如今称，Claude完成了超杨–米尔斯理论的一项九圈振幅计算。它值得关注，不是因为AI突然“发现了宇宙真理”，而是因为这次任务原本就被设计成一场可核验的压力测试：大模型能否在学术研究者可获得的计算资源和有限预算内，参与真正困难的理论物理计算。需要先说明，现有材料来自Anthropic发布的一篇客座文章，且正文片段不完整；完成情况、成本和验证过程都缺少独立信源支持。
一道专门挑给AI的难题
挑战由前理论物理学家、现科学作者Matt von Hippel提出。他不想继续旁观AI乐观派与怀疑派争论，而是希望模型处理一个自己熟悉、知道有多难的问题。
他给出的目标有两个：把超引力算到七圈，或者把超杨–米尔斯理论算到九圈。这里的“圈”不是粒子绕行九周，而是费曼图中闭合回路的阶数，也是微扰计算深入程度的标尺。圈数越高，纳入的量子修正越多，计算量通常也会急剧上升。
Claude选择了第二项。超杨–米尔斯是一种高度对称的量子场论。它并非现实世界的完整描述，更像理论物理学家的试验场：数学结构相对清晰，适合检验研究粒子散射的新方法。
所谓散射振幅，是计算粒子以某种方式相互作用的概率时所需的核心数学对象。研究者通常只能计算有限圈数的近似结果。供稿称，多数散射振幅只算到两圈，少数达到三圈，一项较为人熟知的精密预测达到五圈。因此，九圈代表的是一次极高阶的计算挑战。
难点不只是多用几台机器
von Hippel刻意限定了条件：模型应使用普通学术研究者能够获得的计算资源，以有限预算解决问题。他想测试的不是AI公司能否堆出一座算力山，而是模型能否找到更聪明的计算路径。
据Anthropic讲述，研究者把问题交给Claude后，让它持续工作并每四至六小时汇报一次。系统最终沿两条不同路线得到同一结果，总成本约一两千美元。挑战从提出到被宣称完成，约隔了一个月。
这类任务主要涉及符号计算——对庞大的代数表达式、恒等式和积分关系做精确变换。AI在这里更像一名研究助手：补出计算步骤、编写实现代码、整理复杂结构，而不是凭一句提示直接吐出答案。两条路线相互吻合是重要的内部检查，但它本身仍不等于独立证明。
为什么物理学家会认真看它
Anthropic称，负责验算的Stanford／SLAC教授Lance Dixon此前曾把这一方向推进到八圈。他的团队从2023年起就在考虑如何绕道攻克九圈，并认为直接计算太困难。收到Claude的结果后，Dixon花了两周，将结果转换成团队熟悉的form factor——一种便于他们检查的数学表达形式——再作核验。
Dixon把这类计算比作“失败的舒芙蕾”：流程很脆弱，一处配方出错，整体就会坍塌；论文又常常省略枯燥但关键的实现细节。按Anthropic的说法，Claude需要自行补出这些代码，并按研究团队已有的数据格式交付。
这正是此事有意思的地方。它展示的不是聊天机器人会背多少物理知识，而是大模型是否能进入一条漫长、精确、随时可能出错的研究流程。如果相关结果经得住进一步复算，那么AI的价值可能首先体现在“把已知方法推到人类嫌其过于繁重的深度”，而不是立刻提出新的物理原理。Dixon也把两者分得很开：真正更具根本意义的时刻，是模型先于人类提出新原理。
局限与未知
- 现有片段没有给出具体计算结果、算法、Claude模型版本、硬件、耗时以及完整成本明细，无法判断它究竟算出了哪个九圈振幅或相关量，更不能扩写成“完整解决了超杨–米尔斯的九圈问题”。
- 材料提到Dixon进行了核验，但没有说明同行评议状态，也没有提供独立团队完整复算的信息。“完成九圈”目前仍应写成Anthropic及其客座作者的说法。
- 这项工作发生在为方法研究而使用的高度对称理论中，不能直接理解为AI已经解决现实粒子物理难题。它更像一次前沿研究能力测试：结果重要，但边界同样重要。