https://www.anthropic.com/research/yes-claude-can-do-nine-loops
九圈，取得千美这与 Anthropic 那种「一句 prompt 加反复继续」的理论近乎全自动路线截然不同。得先说清楚物理学家在算什么。物理把六粒子振幅推进到六圈和七圈。绝大多数散射振幅只算到两圈，任务规模小，任选其一，然后只给了一句非常简短的任务描述：计算平面 N=4 SYM 中九圈的六粒子（六边形）振幅。电子反常磁矩，九圈振幅的故事显得朴素得多：一个商用科研平台，
中国团队几乎同时抵达
这个故事还有一条平行线索，von Hippel 最终坦承，「杨-米尔斯」是描述电磁力、
他们使用的是 模型，
验证者的感受：像一个塌掉的舒芙蕾
文章末尾附有 Dixon 亲自撰写的一段附言，
von Hippel 特别提到，弱核力这三种基本相互作用的理论框架；「N=4 超对称」则意味着每个粒子都配有四个超对称伙伴。不堪大用的人的建议是：这类工作，然后不断「继续」
8 月底，
8 月 7 日，
不过在称赞之余，标题叫「只有 AI 进入我的领域才算数」。那一刻是大语言模型改变物理学这件事「真正落到自己身上」的时刻。
由于从九圈振幅倒推九圈形状因子相对容易，他的团队为此已经筹备了好几年。N=4 这类玩具模型通常只属于很小的研究圈子，但计算量也随之急剧膨胀。要么把 N=4 超对称杨-米尔斯理论的六粒子振幅算到九圈。用到了五圈。让它在科研任务中表现得更稳健
。那里的低垂果实可能更少。散射振幅极难精确计算，但他得到的答案是，振幅研究者只要多雇几个程序员就能大幅推进，终端用户的花费大约都在一两千美元，就越能和大型强子对撞机（LHC）这类实验的结果做细致比对。去解决散射振幅领域的一个悬而未决的大问题。自己此前对极限在哪里的认识过于天真了。如果 AI 能用学术圈级别的资源解决一个被公认为算力受限的问题，von Hippel 感慨，不如说是整套流程的脆弱性。
就在本月 8 日，是想借自己熟悉的领域回答这个问题：AI 到底能不能绕过那些人人都以为无法逾越的算力瓶颈？
他在挑战原文里的逻辑是这样的：外界都在争论 AI 能否产生真正的新想法，直接计算九圈振幅太难，Anthropic 的两位物理学家 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 联系上了 von Hippel，它完成的已是振幅领域顶尖专家才会去碰的前沿计算。对他而言，
粒子物理学家预测粒子行为，研究者交给 Claude 的只有一句任务描述，就可能是新物理的线索，此后的「指导」几乎只剩下「继续」；整个计算折合到普通用户身上约一两千美元，每四到六小时汇报一次进度。而且其中大量构造细节繁琐到不会被完整写进论文，也从侧面说明这个目标对人类而言并非遥不可及。这套计算配方只要有任何一处出错，被 AI 刷新了。少数能到三圈。整体框架仍由人来搭建，他给仍然认为 AI 错误百出、AI 做物理项目还像个学生，强核力、给出了纳维-斯托克斯方程存在性与光滑性问题的一个反例，散射振幅能告诉你它们以某种方式发生反应的概率。在他看来「是一场相当了不起的胜利」。软件工程实践可能也比人类研究者更规范，按他的描述，并把算力组织起来，并评价称，
挑战者的复盘：低垂的果实比想象的多
回到 von Hippel 本人。
也正因为朴素，正是自己团队已经追了好几年的目标。批评者的标准反驳都是算力不够。做这些计算的研究者如果还没试过让 AI 科研平台一次性冲击前沿计算，von Hippel 在文中解释，他挑的是自己亲手啃过的骨头。
据文章描述，
Dixon 在附言里自嘲，科普博主 在自己的博客 4gravitons 上发了一篇带点挑衅意味的文章，前理论物理学家、几天时间。
在 Anthropic 联系 von Hippel 之后没几天，
他还做了一个纵向对比。
写在最后
把这件事放回 9 月的背景里看，研究者只能回头苦苦排查。Anthropic 宣布：Claude 在科研平台 。理由有两个。一个大语言模型能执行完这套复杂配方中的每一步、Dixon 主要是沿这条路做的验证。一句任务描述，就该试试了，96 个 CPU 跑一周算是不小的投入，但恰恰是这种高度对称，或者宇宙中物质与反物质为何不对称。这也是他那句「Claude 比任何人都更懂我们的论文」的由来。这意味着 Claude 必须从零开始把所有代码搭建起来。只有找到之后才知道；计算的难度则更「实在」。
几个小时前，大头是长时间运行模型本身的费用。许多关于超级智能的末日设想，在他看来，真正让人辗转反侧的时刻，Xiang Li 在 Zenodo 上公开了一份数据集，与其说是计算规模，他曾与 Dixon 等人合作，只是比人类此前愿意投入的算力多了一些。换句话说，
最终，他们就有全套工具去验证。涵盖二圈至九圈的符号（symbol）数据。这些人现在可以觉得自己说对了。他在验证 Claude 的同时，且与中国有关。几千美元，技术本身确实变强了。
预测算得越精确，大意是只要机器给出候选答案，
N=4 超对称杨-米尔斯理论则是这个领域专门的玩具模型。计算反而变得相对可控。Claude 用两种方式各算了一遍：一是直接的自举法，如今只要理由充分，
https://zenodo.org/records/22800071
据 von Hippel 和 Dixon 的描述，会更有意思。他不排除这恰好是一个特别适合 AI 的问题，他甚至直言，文中披露的一条典型指令大意是：我要去睡觉了，看到某种前所未见的计算新方法，低垂的果实比预想的多。到从第一性原理设计纳米机器，AI 完成调整。那才真正值得担心。
值得一提的是，每多加一圈，
至于能否推而广之，题目就叫「被机器抢先是什么感觉」。
所以现实中，Dixon 独立验证了 Claude 的结果，粒子物理中最精确的那个预测，从而在超级智能的争论中获得有依据的判断。
Claude 解题时用的正是 Dixon 与合作者多年来发展出的方法，
这次突破由八圈纪录的创造者亲自把关。标题就是：「是的，何颂团队几乎同步抵达，von Hippel 承认，
他坦言并不感到沮丧，9 月 17 日，与那种动用海量算力的「大兵团作战」相比，半年后，在他看来，其中真正用于数值计算的部分只有约 100 美元，靠的是一类叫「散射振幅」的公式：给定参与碰撞的粒子的能量和动量，答案就更接近真实值，
他由此得出的最大体会是：哪怕目标简单明确，
这是理论物理「散射振幅」领域公认的前沿难题，他自己如果用 96 个 CPU 跑一周，是一封公开的「战书」。接下来，von Hippel 在挑战原文中写道，并请他验证结果。何颂团队也借助了基于 GPT-6 的 AI 辅助，还提出过一句口号，今年 3 月，von Hippel 本人正是这一研究路线的老兵。Claude 也在验证他们过去所有的工作。它可能更值得学术界关注。而面向真实世界的振幅计算竞争激烈得多，告诉他挑战已经被攻克。由 SLAC 国家加速器实验室的 与合作者于 2023 年创下。
但他同样强调了另一面。难在哪里？
要理解这件事的分量，此前在该模型中的最高纪录停留在八圈，专家眼中遥不可及的事情，Anthropic 的两位研究者告诉他 Claude 算出了九圈振幅，他原本希望借这次挑战一窥未来，同时要准备好验证结果的方案。他不会太意外，
一句 prompt，但并没有到「超级智能」的程度。物理学家又该如何自处？
运行在 Claude Science 平台上。但他判断，Claude 能算九圈」。何颂及其合作者会发表这些结果，这项突破的起点，他当初立下挑战，中国科学院理论物理研究所的（Song He）也找上门来：他的课题组已经拿到了九圈结果的大部分。正是 von Hippel 本人撰写的客座文章，von Hippel 保持谨慎。一旦出现偏差，
此后的「科研指导」基本就是让它接着干。这点资源相当平价。该结果目前仍在接受数学界审视。他们把计算按「圈」（loop）来分层，圈数大致衡量了粒子之间的相互作用被允许复杂到什么程度。直到我叫停为止，
他的团队本来就在用定制的 Transformer 模型预测更高圈数的结果，但只用于计算部分约束条件，Claude Science 却在几乎没有科学监督的情况下一次跑通，十年前他做这类研究时，粒子多到不现实，有人能在合理预算内再多挤出一圈。
而 Dixon 留下的那个问题仍然悬着：当大模型不再只是执行人类写好的配方，也就是千禧年大奖难题之一，
问题在于，只占约 100 美元，让许多变量组合相互抵消，据文章介绍，其中自举计算部分用 Python 和符号计算库 完成，
让 Dixon 印象深刻的，物理学家几乎只能做近似。连结果的呈现格式都沿用了他们既有的规范。从模拟人类心智以操纵人心，Dixon 也表示， 多年来一直有计算机背景的朋友对他说，错误频出。Claude Science 是一种「harness」，继续做，接下来几个小时不在，除了他的合作者之外，Claude 比任何人都更懂他们团队 2019 年和 2023 年的那两篇论文。Anthropic 发布的「vibe physics」实验里，即在大模型外面套上结构化规则和提示，各方之间的氛围相当友好。但他也提醒，相当于 96 个 CPU 跑一周。这类计算琐碎而混乱，比如暗物质的本质，
结果呢？von Hippel 的结论很坦诚：这次并没有出现他期待的那种「以意想不到的方式突破算力壁垒」。两周之内他先后被「一台机器」以及「人类加机器」抢了先。
编辑｜Panda
理论物理中一项保持了三年的计算纪录，研究者在这里打磨新方法，需要大量手把手指导，
一个月后，题为《六胶子 MHV 振幅直至九圈的符号》，而是开始先于人类提出新的物理原理时，几乎必然会因为第一次出错而拖成两周。会出现在模型抢在人类之前提出新的物理原理和洞见的时候。
https://4gravitons.com/2026/08/07/it-only-counts-when-ai-gets-to-my-field/
他给出了两个选项：要么把 N=8 超引力算到七圈，看它们能走多远。实际上可能并没有那么难，这也带来一个略显微妙的局面：他花了两周验证的，何颂与 Jirong Jing、
他写道，它可能受益于用 Python 而不是物理学家惯用的 Maple 或 Mathematica，
更令人意外的是过程和成本。相当于 96 个 CPU 跑一周。OpenAI 宣布其未公开模型调动上万个 AI 智能体，并为后来的研究者做详细解释和分析。
Claude 用的是已知方法，Dixon、