Equipe de 1.000 agentes de IA reproduz prova formal do Último Teorema de Fermat em 28,7 horas

O experimento descrito pelo claude.dev usou 1.000 agentes rodando uma versão inicial do Claude Fable 5.2, com um líder e 999 ajudantes. Eles receberam 60 enunciados (o teorema final e 59 marcos intermediários), um resumo de uma frase da rota clássica, as definições usadas e 47 lemas já provados na formalização anterior. Cada enunciado precisava virar uma prova em Lean, compilada com as ferramentas do Lean e enviada à branch principal no Git, onde um avaliador conferia o resultado.

O ponto técnico central é a arquitetura. Cada agente rodou numa máquina virtual leve própria, sem acesso à internet, porque uma máquina compartilhada chegou ao limite com cerca de 100 agentes (mais da metade das execuções com 100 agentes teve de ser parada ou reiniciada por falta de memória, disco ou CPU). Para coordenar, a equipe usou um banco SQL, escolhido por oferecer primitivas gerais, transações que aguentam escritas concorrentes e familiaridade do Claude com a linguagem. O líder criou cinco tabelas em 10 minutos e os agentes usaram o banco para reivindicar tarefas, compartilhar notas e registrar trabalho concluído. Na parte mais difícil, Langlands, Tunnell, a equipe montou uma árvore de 2.418 tarefas com até 10 níveis de profundidade. A prova final saiu em 28,7 horas.

Na segurança, um classificador baseado em LLM checou cada comando de shell e edição de arquivo antes da execução, e um monitor offline revisou as ações. Nesta execução só o monitor baseado em ações foi usado; o monitor paralelo que enxerga a cadeia de raciocínio (CoT) foi adicionado pouco depois. Em mais de um milhão de chamadas de ferramenta, nenhuma atingiu o critério de bloqueio.

Em 7 de setembro de 2026, o CEVIU noticiou "Claude da Anthropic Formaliza Teorema de Fermat com Prova Verificada por Computador", com a formalização feita em 11 dias usando o assistente de prova Lean. Agora o mesmo resultado foi reproduzido em 28,7 horas, com um terço dos tokens de saída e uma prova com um sétimo do tamanho, segundo a fonte. A diferença de método também conta: a versão de setembro dependia da plataforma Prove2Me e da direção de um pesquisador, enquanto a nova usou Git, banco SQL e ferramentas gerais, sem as duas coisas.

Para quem monta sistemas multiagentes, a leitura é que o ganho aqui veio mais de infraestrutura simples do que de plataforma especializada: isolamento por VM, Git como fonte de verdade e SQL como quadro de coordenação. Isso é reaproveitável fora da matemática. Também vale notar que o experimento é um caso de teste, e a própria fonte diz que plataformas dedicadas e orientação humana ainda podem ajudar, já que os agentes tendem a desistir cedo de problemas difíceis.