The Decoder 这一页的日期是 Oct 23, 2026。它转述 Anthropic 与合作方 Theorem 的工作：前沿红队让 Claude 接手证明，而不是新写一套软件。模型在几周里写出约 1.8 亿行数学证明代码，材料来自 Google OSS-Fuzz 里 123 个开源库的测试程序。页面用一个旧对照说明这件事以前有多贵：专家团队用 20 人年，才形式化验证了很小的操作系统内核 seL4。20 人年是旧成本的例子。1.8 亿行是这一页给出的新规模。两句不要收成同一个已经验收的工程量。
[1]
证明由一个叫 Rocq 的独立程序自动检查。Anthropic 称这个过程几乎不需要人工审阅。研究人员把它叫做完全自主的证明生成。页面立刻补了一句：工具和形式化基础是 Theorem 的人做的。完全自主是他们的叫法，不是这篇的判断。Claude 核对的是已有代码，不是这页上另一套新交付的产品。
[1]过程里碰到了数百个缺陷，模型被允许自己修改。页面举了两个例子。核对一款广泛使用的 PDF 阅读器时，一周里找到的安全缺陷，大约相当于这款软件通常一年被报告的数量。另一个应用里，有一个逻辑错误过了十多年没被发现。这两个例子都是他们的说法。页面没有附缺陷编号。页面还说，其中许多缺陷在常规测试里会漏掉，因为它们只在很特定的条件下出现。特定条件是他们的解释，这篇不写那些条件。即使完整证明最后没有做成，页面写尝试本身仍会露出真实缺陷。缺陷怎样触发，这篇不写。
[1]边界写在同一页。Anthropic 承认，形式化验证不等于没有错误。证明只在严格条件下成立：特定的处理器架构、单线程程序、输入小于 64 MB。这些库实际会跑在别的硬件和别的配置上。单条证明的计算可以到数亿 Token。总费用没有公布。较小的一次测试还写，Opus 5.5 用大约少 40% 的 Token，解出其中一半证明，对照的是 Opus 5。少 40% 是这一半证明的用量比较，不是整个项目的账单。
[1]