Claude заявил решение гипотезы Римана на 2/3: препринт ещё без рецензии

Препринт появился на фоне дискуссии о реальных способностях больших языковых моделей. Ещё зимой 2026-го автор разбора, математик и автор блога, демонстрировал, как LLM (большие языковые модели, генерирующие текст) «бредят» при малейшем отклонении условия задачи от учебного шаблона. Спустя полгода та же архитектура, по утверждению Anthropic, выдала результат, который «никто уж точно не назовёт решением шаблонных задач и слепым перебором», как пишет автор первоисточника.

Что вообще доказывали и при чём тут простые числа?

Дзета-функция Римана связывает два мира: сумму по всем натуральным числам и произведение по всем простым. Эту связь знал ещё Эйлер, но Риман превратил её в рабочий инструмент. Вопрос «как расположены простые числа» переводится в вопрос «где у этой функции нули», потому что функции математики умеют исследовать гораздо лучше, чем разреженные множества целых чисел.

Гипотеза Римана утверждает, что все нетривиальные нули (нули, не объяснимые тривиальной симметрией функции) лежат на одной вертикальной прямой в комплексной плоскости, так называемой критической прямой. Если это верно, распределение простых чисел подчиняется максимально «аккуратному» закону. Если нет, в распределении простых скрыты неожиданные отклонения.

Десятилетиями математики двигались к доказательству микроскопическими шагами, наращивая долю нулей, про которые удавалось доказать, что они действительно лежат на критической прямой. Каждая прибавка в сотые доли процента считалась серьёзным достижением.

Что именно обнаружила нейросеть?

• Нижняя граница. Claude, по данным препринта, доказал, что на критической прямой лежат не менее двух третей (≈ 66,7%) нетривиальных нулей дзета-функции.
• Масштаб скачка. Предыдущий прогресс измерялся сотыми долями процента за годы работы профессиональных математиков. Если результат подтвердится рецензией, это качественно иной порядок приращения.
• Скорость перехода. Полгода назад, зимой 2026-го, та же модельная архитектура демонстрировала «бред» при минимальных отклонениях от шаблонных условий. Переход от механического перебора к оригинальному математическому результату занял около шести месяцев.

Что это значит для вас?

Авторам и копирайтерам. Эта история показывает, как легко превратить научный результат в ложный заголовок. «Нейросеть решила гипотезу Римана» звучит сенсационно, но не соответствует факту: доказана нижняя граница для части нулей, а не вся гипотеза. Если вы пишете про ИИ, проверяйте, что именно заявлено в препринте, а не в пересказе пересказа. Один честный абзац с оговоркой стоит больше, чем кликбейтный заголовок, который разнесут в комментариях.

Маркетологам и предпринимателям. Скорость, с которой Claude перешёл от шаблонного перебора к нетривиальному научному результату (около полугода по данным первоисточника), важнее самого математического факта. Это значит, что горизонт планирования для задач, которые «ИИ точно не потянет», сжимается быстрее, чем кажется. Пересматривайте допущения о границах автоматизации в своих процессах чаще, чем раз в год.

Тем, кто работает с ИИ-инструментами в России. Claude от Anthropic официально недоступен в РФ без обходных решений. Из доступных в России моделей, YandexGPT и GigaChat, ни одна пока не заявляла о подобных исследовательских результатах. Но динамика показательна: если закрытая модель за полгода перешла от «бреда на нестандартных задачах» к математическому препринту, стоит следить за тем, как быстро аналогичные способности появятся в инструментах, доступных на вашем рынке.

Честный заголовок для этой истории звучал бы так: «Claude доказал, что минимум две трети нулей на месте, а остальные пока под вопросом». Не так эффектно, зато правда. И именно правда отличает полезный контент от шума, который забудут через неделю.

По данным авторского разбора на Хабре