Anthropic 於 2026 年 9 月 25 日發表一篇由物理學家及科學作家 Matt von Hippel 撰寫的文章，講述 Claude 如何處理理論粒子物理學的一個前沿計算挑戰。目標是 planar N=4 super Yang–Mills 的六粒子九圈 MHV scattering amplitude；在這類計算中，loop 數越高，代表要處理的交互作用複雜度越高。
這個題目不是用來直接解釋現實世界粒子，而是 amplitudeology 常用的 toy model。它的結構比較適合用來測試計算方法：研究者會用 bootstrap 列出符合已知規則的可能答案，再逐步排除不符合條件的結果。Anthropic 的文章把這個問題形容為一個「已知大致做法，但計算量和工程細節很容易令工作中斷」的任務。
Anthropic 的兩名物理學家在 Claude Science 中使用 Fable 5.1，先讓模型選擇較有機會完成的問題，再讓它長時間繼續工作。文章表示，Claude 用原本的 bootstrap 方法和一個間接的 form-factor 方法各做一次；以終端用戶成本估算，每種方法約需一至兩千美元，而其中一次 bootstrap 計算約用了 96 個 CPU 一星期。這些成本及流程細節是文章的回報，不是獨立的成本審計。
結果由 SLAC 及 Stanford 的物理學家 Lance Dixon 檢查，主要透過相關 form factor 驗證。文章亦提到，中國科學院的研究團隊在相近時間已得到大部分結果，並以 GPT-6 協助部分工作。這一點很重要：事件並非顯示 AI 單獨發現了新的物理定律，而是顯示模型能把既有方法、程式、運算資源和長時間任務管理串在一起，完成一個研究者原本認為太昂貴或太繁瑣的計算。
文章作者自己也作出較克制的解讀：Claude 使用的是已知方法，加上比人類過去嘗試更多的運算和可能更好的軟件工程，並沒有在這次工作中提出新的物理原理。九圈結果仍需要人類研究者發表、解釋及進一步分析；而 N=4 super Yang–Mills 只是方便測試方法的模型，不能直接代表 AI 已能處理所有真實物理問題。
對 AI 科學工作流來說，這個案例的重點是 harness 設計。任務需要模型選擇問題、寫和修改程式、使用運算資源、保持跨小時甚至跨日的狀態，最後還要由專家以獨立方法檢查。若缺少 reproducibility、成本記錄、版本固定和獨立驗證，長時間 agent 完成的漂亮結果仍然很難成為可靠研究成果。
因此，這宗新聞更適合被理解為「AI 開始可以處理一類結構清楚、驗證路徑明確的前沿計算」，而不是「AI 已取代科學家」。下一個門檻不只在於能否跑完計算，也在於能否讓其他研究者重現結果、指出限制，並把同樣的工作流安全地移植到更接近現實的科學問題。
