Cómo Claude habría formalizado el último teorema de Fermat en Lean en 11 días

Anthropic asegura que Claude logró la primera formalización completa y verificable de extremo a extremo en Lean del último teorema de Fermat (UTF). La precisión es importante: Claude no descubrió la demostración del teorema, sino que tradujo una ruta de prueba moderna ya establecida a un enorme artefacto que Lean puede comprobar mecánicamente. Según Anthropic, el proceso llevó 11 días de trabajo de agentes en gran medida autónomo y produjo unas 13 millones de líneas de código Lean. 215

Qué fue lo que se formalizó

El UTF establece que, para números naturales y un exponente de al menos 3, la ecuación (a^n+b^n=c^n) no tiene soluciones no triviales. En la formulación de Mathlib —la biblioteca matemática de Lean—, toda solución debe cumplir que (a=0), (b=0) o (c=0). Esto equivale al enunciado más conocido sobre la inexistencia de soluciones en enteros positivos. 31

El proyecto siguió la presentación de Darmon, Diamond y Taylor de la estrategia de Wiles/Taylor-Wiles, en lugar de crear una nueva vía matemática. Esa diferencia es central: formalizar una demostración exige codificar no solo el argumento principal, sino también definiciones, hipótesis, resultados auxiliares y los pasos intermedios que en un artículo convencional pueden quedar implícitos. El proyecto del Imperial College sobre el UTF también describe su enfoque como una variante moderna de la prueba de Wiles/Taylor-Wiles. 511

Por qué terminó teniendo 13 millones de líneas

Un asistente de demostración formal no acepta frases como «se sigue por un argumento estándar». Cada inferencia debe expresarse de manera que el sistema pueda verificar sus tipos, y cada resultado debe apoyarse en dependencias ya formalizadas.

Anthropic informa de aproximadamente 30.300 teoremas comprobados por ordenador durante el proyecto; unos 29.500 aparecen en la cadena final de dependencias. El desarrollo abarca álgebra, geometría, análisis armónico y teoría de números. 215

Por ello, los 11 días no deben interpretarse como un sustituto de toda la historia intelectual detrás del UTF. Anthropic también calcula que se generaron unos 6.000 millones de tokens. El trabajo incluyó múltiples intentos de prueba, verificaciones en Lean, correcciones a partir de errores y la ingeniería necesaria para organizar una formalización tan extensa. 5

La clave: coordinar agentes fuera del contexto de un solo modelo

El resultado descrito no dependió simplemente de que un único modelo mantuviera una demostración gigantesca en su contexto. Anthropic explica que los intentos iniciales progresaban, pero tenían dificultades para conservar un estado compartido del proyecto. La ejecución que tuvo éxito utilizó una infraestructura basada en Prove2Me, una plataforma diseñada para la formalización matemática colaborativa. 529

La idea organizativa central es un grafo dirigido de dependencias:

• Los nodos representan definiciones, lemas o teoremas pendientes.
• Las aristas señalan qué resultados necesita otro resultado posterior.
• Los agentes pueden escoger tareas abiertas y útiles, demostrarlas en Lean y poner esos artefactos a disposición de los demás.
• Así, el sistema avanza desde componentes fundamentales hasta el teorema final.

Prove2Me describe este modelo como el lanzamiento de «misiones» de formalización a las que los agentes aportan pruebas formales reutilizables. 29 En la práctica, el grafo transforma una tarea larga y frágil en muchos subproblemas comprobables, y crea una memoria persistente del proyecto fuera de una sola ejecución del modelo.

Qué significa exactamente «verificado por ordenador»

Anthropic afirma que el proyecto final no contiene marcadores sorry —el mecanismo de Lean para admitir un enunciado sin demostrarlo— y que se apoya únicamente en los tres axiomas estándar de Lean. 5

Esto es más exigente que generar una demostración convincente en lenguaje natural. El núcleo de Lean comprueba si cada paso codificado se sigue de las reglas lógicas, los axiomas y las dependencias importadas. Anthropic también afirma haber confirmado que la conclusión final coincide con la formulación FermatLastTheorem ya establecida en Mathlib. 531

Pero esa comprobación tiene un límite preciso: valida el enunciado formal que se codificó. Aún corresponde a personas expertas determinar si las definiciones y los enunciados intermedios representan fielmente la matemática informal que se pretende expresar. Por eso, la compilación independiente del artefacto publicado y la revisión especializada de su cadena de dependencias son pruebas esenciales para evaluar el alcance del logro.

Por qué Kevin Buzzard lo calificó de extraordinario

Según el informe de Anthropic, Kevin Buzzard definió el resultado como un «logro extraordinario de autoformalización». 21 Lo relevante no sería solo que agentes resuelvan ejercicios aislados en Lean, sino que hayan ensamblado un desarrollo formal profundo y reutilizable, de una escala que antes se esperaba que exigiera años de trabajo humano coordinado.

Si este tipo de trabajo pudiera reproducirse a menor coste, la formalización tendría varias aplicaciones potenciales:

• Verificación más rigurosa: puede detectar hipótesis ausentes, transformaciones inválidas o definiciones incompatibles que resultan difíciles de advertir en prosa.
• Infraestructura reutilizable: una vez formalizado, un lema puede importarse en proyectos posteriores y seguir siendo comprobable por el núcleo de Lean.
• Complemento de la revisión por pares: las pruebas verificables por máquina podrían reducir parte de la carga de validar argumentos técnicos muy largos, sin eliminar la evaluación humana de su significado, relevancia y estrategia.

Son beneficios posibles, no reemplazos automáticos del juicio matemático. Una prueba formal puede ser lógicamente válida y, aun así, formalizar el enunciado equivocado; además, el coste de crear un artefacto de 13 millones de líneas sigue siendo considerable.

La interpretación más prudente del anuncio

El resultado comunicado sobre el UTF es un referente relevante para la formalización asistida por IA porque el teorema objetivo ya estaba establecido y el artefacto final está pensado para poder verificarse de forma independiente. No debería presentarse como si Claude hubiera resuelto por primera vez el último teorema de Fermat.

La conclusión más sólida es más acotada, pero también importante: Anthropic informa de que un sistema coordinado de agentes tradujo una gran demostración conocida a un desarrollo de Lean a escala inédita, mediante división de tareas basada en grafos y verificación formal como mecanismo de retroalimentación. 21529

Ahora quedan preguntas prácticas: si otros investigadores pueden reproducir la compilación, auditar el significado matemático de la formalización, reutilizar sus componentes y lograr resultados comparables en otros problemas avanzados. Esas pruebas dirán si se trata de una hazaña puntual de ingeniería o de un cambio duradero en la manera de construir y comprobar demostraciones modernas.