Claude formaliza o Teorema de Fermat em Lean com 13 milhões de linhas e 11 dias de raciocínio autônomo

Trinta anos depois de Andrew Wiles passar sete anos provando o Teorema de Fermat no papel, o Claude da Anthropic levou 11 dias para transcrever essa mesma prova em Lean 4, uma linguagem de verificação formal que permite ao computador confirmar mecanicamente cada passo do raciocínio. O resultado são 13 milhões de linhas de código, o maior arquivo Lean já produzido, segundo a Anthropic. A formalização foi publicada na última semana com o código-fonte completo do projeto disponível para uso.

O que a Prove2Me tornou possível

A primeira tentativa falhou. Claude iniciou a formalização sem suporte adicional e não conseguiu manter coerência lógica ao longo de uma tarefa de duração tão elevada. A solução foi incorporar a Prove2Me, uma ferramenta de código aberto que ajuda agentes de IA a determinar a próxima ação ótima em workflows longos, quando o contexto acumulado começa a comprometer a qualidade das decisões intermediárias.

Com a Prove2Me e um harness multiagente construído sobre o Claude Code, o projeto consumiu aproximadamente 6 bilhões de tokens de saída ao longo das quase duas semanas de execução. O modelo foi descrito pela Anthropic como um modelo interno de pesquisa comparável ao Claude Fable 5.1. A base de código credita 106 arquivos ao projeto FLT de Kevin Buzzard, matemático do Imperial College de Londres que havia passado anos construindo blocos matemáticos em Lean para uma formalização manual que a Anthropic concluiu em fração desse tempo. "Anthropic me venceu", escreveu Buzzard no blog Xena Project na semana passada, reconhecendo que a empresa havia completado antes dele o objetivo que perseguia há anos com colaboradores em todo o mundo.

Por que isso importa além da matemática

O Teorema de Fermat é o teste de estresse mais extremo para verificação formal: não há teorema mais célebre nem raciocínio mais longo de acompanhar passo a passo. A demonstração de que Claude manteve coerência lógica durante 11 dias e 13 milhões de linhas em Lean aponta para aplicabilidade direta em outras tarefas que exigem lógica sustentada e verificável: análise de contratos financeiros derivativos, conformidade regulatória em Basileia IV, ou verificação formal de código em sistemas bancários, aeroespaciais e de dispositivos médicos.

A indústria de verificação formal de software é pequena e estratégica: ela valida os sistemas onde falhas têm consequências catastróficas. Empresas como a Adacore, sediada nos EUA e na França, e a Galois, também americana, constroem negócios inteiros em torno de garantias formais de que programas se comportam conforme especificado. Esse segmento faturava o suficiente para contratar especialistas a custo elevado por ser lento; a demonstração da Anthropic comprime o tempo de análise de semanas para dias.

O que muda por mercado

No Reino Unido, o projeto de Kevin Buzzard no Imperial College havia atraído colaboradores de dezenas de universidades para construir blocos de prova em Lean, uma espécie de esforço de código aberto acadêmico para formalização matemática. Esse trabalho funcionou, na prática, como dado de treinamento para sistemas como o Claude, sem que os pesquisadores tivessem negociado formalmente essa relação com a Anthropic. A Royal Society e grupos de pesquisa britânicos já debatem o que isso significa para o financiamento de matemática pura quando um laboratório americano pode utilizar décadas de trabalho acadêmico colaborativo em dias de compute.

No Japão, a verificação formal é componente obrigatório em certificação de software para sistemas de controle ferroviário e industrial; firmas como NTT Data e Hitachi Consulting cobram por hora de especialista para conduzir essa validação. A demonstração da Anthropic não elimina a demanda regulatória por um humano responsável no processo, mas reduz drasticamente o componente técnico da tarefa, abrindo espaço para que concorrentes menores ofereçam o mesmo serviço a custo menor usando Claude como alavanca.

O que o CIO leva desta conquista

A Anthropic publicou o código inteiro. Qualquer organização com capacidade de adaptar o harness pode testar o método em seus próprios problemas de verificação formal. A conquista não é apenas sobre matemática: é sobre a demonstração de que um agente de IA consegue manter raciocínio dirigido por objetivo durante dias, decompor um problema de complexidade máxima em subproblemas tratáveis e produzir output verificável ao longo de todo o processo.

A próxima pergunta não é sobre teoremas. É sobre qual sistema bancário ou regulador de infraestrutura crítica vai ser o primeiro a substituir parte de seu processo de validação formal por um agente baseado em Claude, e o que acontece com a cadeia de responsabilidade quando algo falha.