Qué demuestra (y qué no) que Claude haya diseñado circuitos cuánticos más eficientes
Anthropic dice que Claude Mythos 5 superó diseños publicados de circuitos cuánticos. Es un preprint y todo está estimado: te explicamos qué demuestra y qué no.
Un bucle de modelo más evaluador automático mejoró diseños muy especializados, pero nada corrió en una computadora cuántica real
17 veces menos compuertas, según un preprint con estimaciones y sin pruebas en hardware real.
El 16 de octubre de 2026, Anthropic publicó que Claude Mythos 5 diseñó circuitos cuánticos con muchas menos compuertas que los mejores diseños publicados. El titular suena enorme y tiene letra pequeña: es un preprint, sin revisión de pares, y todo son estimaciones, no pruebas en una computadora cuántica real.
En resumen
Anthropic informó el 16 de octubre de 2026 que Claude Mythos 5 rediseñó circuitos cuánticos y superó diseños publicados: un circuito con 17 veces menos compuertas usando 12% más qubits, y un decodificador con unas 12 veces menos compuertas que el de Google Quantum AI. Es un preprint sin revisión de pares y todo son estimaciones, no pruebas en hardware real.
- Anunciado como investigación: no es un producto que puedas activar.
- Las cifras son estimaciones y simulaciones, no mediciones en una máquina real.
- Lo útil para tu negocio: la IA mejora trabajo técnico si alguien lo verifica.
Qué anunció Anthropic y en qué punto está
Anthropic anunció una investigación, no un producto. En su publicación del 16 de octubre de 2026, la empresa cuenta que le dio a Claude descripciones en lenguaje natural de ocho circuitos cuánticos, tomados de química, optimización, simulación de física y teoría de números, junto con un evaluador automático que revisa y califica cada diseño.
El trabajo lo lideró Andi Gu dentro del Programa STEM Fellows de Anthropic, con la mentoría de Alek Kemeny, físico cuántico de la empresa, y en colaboración con Susanne Yelin (Harvard University) y Mikhail Lukin (Harvard University y QuEra Computing). El artículo completo está en arXiv con el título «Discovering state-of-the-art quantum circuits with large language models».
En qué punto está la noticia
Está anunciada como investigación y publicada como preprint, es decir, sin revisión de pares. Las fuentes no describen ningún producto, plan ni función nueva que puedas contratar o activar, y tampoco confirman que el resultado se haya probado en una computadora cuántica real.
Cómo trabajó Claude: propuesta y evaluador
Claude Mythos 5 trabajó en un bucle cerrado, sin intervención humana entre rondas, según Anthropic. Proponía un diseño de circuito escrito como código en Python, un programa evaluador comprobaba si era correcto y le ponía una calificación, y esa información volvía a Claude para mejorar el siguiente intento.
El modelo propone
Claude escribe un diseño de circuito como un programa ordinario, a partir de una descripción en lenguaje natural.
El evaluador califica
Un programa externo revisa que el circuito dé la respuesta correcta y lo puntúa por qubits y compuertas.
El resultado vuelve al modelo
Claude usa la calificación para mejorar el siguiente intento, sin ayuda humana entre una ronda y otra.
El evaluador tenía una meta objetiva: según Anthropic, la calificación es el número de qubits multiplicado por el número de compuertas, un indicador de cuánto tardaría en ejecutarse el circuito. Además, la empresa explica que esta clase de algoritmos se puede comprobar con facilidad porque cada entrada da una salida definida que una computadora común puede verificar.
En la primera tarea, la suma de puntos en curvas elípticas, Claude trabajó 53 horas con ayuda humana mínima, limitada al planteamiento inicial y a algunas indicaciones para pensar de forma más amplia. Anthropic afirma que llegó a un enfoque completamente nuevo para ese problema.
Las cifras y su letra pequeña
La cifra principal es esta: un circuito usa 12% más qubits, pero 17 veces menos compuertas que el diseño publicado más compacto hasta ahora, según el resumen que Anthropic dio a conocer. Además, un decodificador usa unas 12 veces menos compuertas que el de Google Quantum AI.
Para dimensionar el contexto, Anthropic recuerda que en 2017 se estimó que simular la molécula FeMoco necesitaba unas 50 billones de compuertas Toffoli (50 trillion en inglés), y que tras varios avances algorítmicos la estimación bajó a unos 340 millones, una reducción de unas 150,000 veces. Según la misma publicación, eso equivale a unas horas de cómputo en una máquina futura con unos tres millones de qubits físicos.
La letra pequeña
Es un preprint sin revisión de pares. Todo son estimaciones y simulaciones para máquinas futuras: nada corrió en una computadora cuántica real. Las computadoras cuánticas actuales, según Anthropic, tienen apenas cientos o miles de qubits, muy pocos para muchos de los algoritmos que prometen ventajas prácticas.
Una precisión sobre las fuentes: la parte de la publicación de Anthropic que tuvimos a la vista termina antes de los detalles de cada resultado. Por eso no confirmamos aquí a qué circuito exacto corresponde cada cifra ni la metodología del decodificador; eso se revisa en el preprint en arXiv.
Qué demuestra y qué no
Lo que sí demuestra es que un bucle de modelo más evaluador automático puede mejorar diseños técnicos muy especializados. Anthropic describe que las mejoras vinieron de nuevas ideas estructurales y matemáticas sobre cada problema, no de ajustes finos a diseños existentes, aunque eso sigue siendo lo que dice la empresa en un preprint.
| Afirmación | ¿Qué respalda la fuente? | ¿Qué falta? |
|---|---|---|
| Claude mejoró diseños publicados | Anthropic lo reporta en ocho tareas, con un evaluador automático | Revisión de pares y réplica independiente |
| 17 veces menos compuertas con 12% más qubits | Cifra reportada por Anthropic | Prueba en hardware real |
| Decodificador con unas 12 veces menos compuertas que el de Google Quantum AI | Cifra reportada por Anthropic | Comparación validada por terceros |
| Computadoras cuánticas útiles pronto | Anthropic dice que podrían llegar antes de lo previsto | Nada lo confirma: no hay máquina real que lo pruebe |
La conclusión sin exagerar
El resultado no demuestra que ya existan computadoras cuánticas útiles. Demuestra que, donde hay un evaluador que revisa cada respuesta, la IA puede explorar diseños complejos con poca ayuda humana. Si eso acorta el camino, afectaría los calendarios de medicina, baterías y criptografía, pero eso es una posibilidad, no un hecho.
Qué significa para México y Latinoamérica
Para una empresa mexicana, la lección no es cuántica sino de método: la IA ya mejora trabajo técnico complejo, siempre que algo o alguien verifique el resultado. Los siguientes casos son ejemplos ilustrativos de ese método, no resultados reportados por Anthropic.
Agencias de marketing
Un modelo propone variantes de reportes o de configuraciones de campañas y un revisor automático comprueba que las cifras cuadren con la fuente antes de que alguien las envíe al cliente.
SaaS
El modelo propone cambios de código y las pruebas automáticas aprueban o rechazan cada propuesta, de modo que el equipo revisa solo lo que pasó el filtro.
Soporte al cliente
El modelo redacta respuestas y un verificador revisa que citen la política vigente, con un humano para los casos dudosos.
Ecommerce
El modelo propone descripciones o reglas de inventario y una validación automática comprueba formato, campos obligatorios y datos contra el catálogo.
Ejemplo ilustrativo: el bucle aplicado a un reporte semanal
Es un ejemplo inventado para ilustrar el método, no un caso real ni una cifra de ahorro. Lo que lo hace funcionar es lo mismo que en el estudio de Anthropic: hay una forma objetiva de comprobar si la respuesta es correcta.
Cómo aplicar el bucle con verificación
Elige una tarea con respuesta comprobable
Busca trabajo donde un programa pueda decir si está bien o mal: cuadrar cifras, validar formatos, correr pruebas.
Define una calificación clara
Anthropic usó una puntuación objetiva (qubits por compuertas). Tú necesitas una medida igual de concreta para tu caso.
Separa a quien propone de quien evalúa
El evaluador debe ser un programa o una persona distinta al modelo, no el modelo calificándose a sí mismo.
Deja una revisión humana en lo importante
Antes de publicar, cobrar o modificar datos, una persona revisa lo que el evaluador no puede juzgar.
- Trata las cifras de un preprint como reportadas, no como confirmadas.
- Pregunta siempre si el resultado se probó en condiciones reales o solo en simulación.
- No des por hecho que algo anunciado ya está disponible.
- Mide con una calificación objetiva y verifica con un evaluador independiente.
Preguntas frecuentes
¿Qué logró Claude con los circuitos cuánticos?
Según Anthropic, Claude Mythos 5 diseñó circuitos que superan a los mejores diseños publicados: uno usa 12% más qubits pero 17 veces menos compuertas, y un decodificador usa unas 12 veces menos compuertas que el de Google Quantum AI. Son resultados reportados en un preprint, no confirmados por terceros.
¿Ya existen computadoras cuánticas útiles gracias a esto?
No. Los circuitos son estimaciones y simulaciones para máquinas futuras, y nada corrió en una computadora cuántica real. Anthropic menciona que las máquinas actuales tienen solo cientos o miles de qubits, pocos para muchos algoritmos con ventaja práctica.
¿El estudio de Anthropic tiene revisión de pares?
No, todavía no. Es un preprint publicado en arXiv, es decir, un estudio preliminar sin revisión de pares. Conviene esperar a que otros investigadores lo revisen y lo reproduzcan antes de tomar sus cifras como definitivas.
¿Cuánto tiempo trabajó Claude en el diseño?
Trabajó 53 horas en la primera tarea, la suma de puntos en curvas elípticas, con ayuda humana mínima. Según Anthropic, esa ayuda se limitó al planteamiento inicial y a algunas indicaciones para pensar de forma más amplia.
¿Puedo usar Claude Mythos 5 para esto en mi empresa?
Las fuentes que revisamos no confirman disponibilidad, precio ni acceso a Claude Mythos 5, y la publicación se presenta como investigación. Lo que sí puedes copiar hoy es el método: un modelo que propone y un evaluador automático que califica.
¿Qué lección práctica deja para un negocio en México?
Que la IA ya puede mejorar trabajo técnico complejo, pero alguien tiene que verificarlo. Si diseñas un evaluador que compruebe las respuestas, el modelo puede iterar solo; si no hay verificación, estás confiando a ciegas.
Fuentes
¿Quieres ver cómo se aplica la IA con verificación en tu negocio?
En Zadrig Technology te mostramos, con tus propios procesos, dónde una IA con evaluador y revisión humana sí puede ahorrarte trabajo. Agenda una demostración y lo vemos juntos.
Agendar una demostración por WhatsApp
