Claudeがリーマン予想で数学的成果｜ゼータ関数の下界41.6%→67.2%の意味を解説【2026年8月最新】

Claudeはリーマン予想を解いていません。Anthropicが2026年8月10日に公表したのは、「リーマンゼータ関数の零点のうち、少なくとも何%が臨界線上にあると証明できるか」という別の数値を、41.6%から67.2%へ引き上げたという成果です。人類がおよそ50年かけて約8ポイントしか動かせなかったこの記録を、未公開の研究版ClaudeがClaude Code上の約1.5日の作業で25.6ポイント押し上げた、というのが今回のニュースの核心です。

この記事は、一次情報（Anthropic公式リサーチ記事・公開された論文PDF・GitHubのLean 4形式化リポジトリ）に基づいて次の点を整理しています。

• 「41.6%→67.2%」が何を意味する数字なのか（素数・ゼータ関数・臨界線の前提から）
• なぜこの更新幅が数学史的に異例なのか
• Claudeが実際に証明した定理と、「2/3」「67.2%」「67.25%」の関係
• 約60体のサブエージェント・3,100万トークンという実行プロセスの中身
• 査読状況・再現性・手法の理論的上限といった限界
• 2026年のAI×数学の流れの中での位置づけ

「Claudeがリーマン予想を解いたらしい」というSNSの見出しだけを見た方、AIの数学能力が実務にどう効いてくるのかを知りたい方、AIエージェントの運用設計をしている方に向けた内容です。

Claudeが達成したこと・していないことの切り分け

出典：Anthropic公式リサーチ記事

この件で混乱しやすい点を、事実ベースで整理します。

重要なのは、「証明できた割合が67.2%に上がった」ことと「残り32.8%の零点が臨界線から外れている」ことはまったく別だという点です。後者は誤りで、外れている零点は1つも見つかっていません。単に「まだ全部だとは証明できていない」だけです。

Claudeというモデル自体の全体像を先に押さえたい方は、Claudeとは｜特徴・料金・できることの解説記事も合わせて参照してください。

「41.6%→67.2%」は何の数字か｜素数・ゼータ関数・臨界線

この数字は、リーマンゼータ関数 ζ(s) の「非自明な零点」のうち、臨界線と呼ばれる直線の上に乗っていることを証明できた割合です。

素数の分布とゼータ関数

素数（2, 3, 5, 7, 11…）は、大きな数になるほどまばらになりますが、その「まばらになり方」には規則性があります。この規則性からのズレ、つまり素数分布の揺らぎの大きさを支配しているのが、リーマンゼータ関数です。

ζ(s) は複素数 s を入力として値を返す関数で、素数全体の情報が畳み込まれています。この関数が 0 になる点（零点）の位置が分かれば、素数がどこまで規則的に並んでいるかが分かる、という関係になっています。

臨界線とリーマン予想

ゼータ関数の零点には、s = −2, −4, −6… という単純に説明できる「自明な零点」と、複素平面上に散らばる「非自明な零点」があります。問題になるのは後者です。

1859年にベルンハルト・リーマンが提唱したリーマン予想は、「非自明な零点はすべて実部が 1/2 の直線（＝臨界線）上にある」という主張です。クレイ数学研究所のミレニアム懸賞問題の1つで、賞金は100万ドル。167年間、証明も反証もされていません。

「下界」とは何か

リーマン予想を一気に証明するのは難しいため、数学者は「少なくとも何%の零点が臨界線上にあると言えるか」という部分的な主張を積み上げてきました。この「少なくとも○%」の数値が下界です。

• リーマン予想＝「100% が臨界線上にある」という主張
• 今回の成果＝「少なくとも67.2% は臨界線上にある」ことの証明

ここで注意すべきなのは、この67.2%が有限個の零点を数え上げた実測値ではないことです。零点の高さ T を無限大に飛ばしたときの漸近的な下界（liminf）であり、無限個の零点全体に対する厳密な保証になっています。コンピュータで手前の零点を大量にチェックした結果とは、性質がまったく違います。

なぜ「すごい」のか｜50年で8ポイントの「41%の壁」

この成果のインパクトは、過去の進捗ペースと比べたときに初めて見えます。下界がどう更新されてきたかを並べると次のようになります。

※Anthropicの発表では旧記録を「41.6%」と表記しています。先行研究の値は 5/12 ≒ 約41.67% です。本記事では発表に合わせて41.6%を主に用います。

この表から読み取れることは3つあります。

1. 1974年から2020年までの46年間で、進捗は約8.4ポイント（年平均0.18ポイント）にとどまっていた。
2. とくに1989年に40%に到達して以降は、31年で約1.7ポイントしか動かなかった。この停滞から「41%の壁」と呼ばれてきた。
3. 今回の更新幅は+25.6ポイントで、この問題の歴史上、単一の結果としては最大の改善幅。

さらに象徴的なのが、初めて50%を超えたという点です。これにより「ゼータ関数の零点の過半数は臨界線上にある」ということが、初めて数学的に証明されたことになります。この一線は数値の大小以上に意味を持ちます。

ここで押さえておきたいのは、「壁」の正体が手法の限界だったという点です。1974年以降の改善はいずれもレビンソンのモリファイア法の改良路線にあり、その延長線上では50%が原理的に厳しいと考えられていました。今回の結果はこの路線を離れ、別の道具立てで到達しています。

Claudeは何を証明したのか｜「2/3」「67.2%」「67.25%」の関係

出典：GitHub: anthropics/zeta-23-lean

報道によって「2/3」「67.2%」「67.25%」と数字が揺れているため、ここを整理します。公式のLean 4形式化リポジトリ（anthropics/zeta-23-lean）のREADMEに記載された定理は次のとおりです。

つまり、ベースとなる定理が「2/3」、窓関数を最適化して精密化した値が「67.250%」です。公式発表の「67.2%」はこの定理Dの数値を丸めたものにあたります。「2/3と67.2%のどちらが正しいのか」という疑問への答えは、どちらも正しく、証明の段階が違うということになります。

なお、ξ の導関数に関する追加結果として、単純零点の割合で約0.858〜0.869、相異なる零点で約0.929〜0.934という数値もリポジトリに記載されています。これらは主張の対象が異なるため、「Claudeが93%まで証明した」といった読み替えはできません。

手法の中身｜新しい数学の発明ではなく「分野をまたいだ再結合」

Claudeがまったく新しい数学を発明したわけではありません。公式の説明や公開論文を読む限り、本質は別々の分野に散らばっていた既存の結果を、誰も試していない形で組み合わせたことにあります。

土台になった先行研究

• Baluyot–Goldston–Suriajaya–Turnage-Butterbaugh（2023〜2025）：モンゴメリーが1973年に導入した対相関（pair correlation）の手法を、リーマン予想を仮定せずに使える形へ拡張した研究。
• ボンビエリ（2000年）：ヴェイユの二次形式と零点の関係を解析した研究。

人間の研究者もこの路線で67.25%相当の値には届いていましたが、「臨界線の近傍にある細長い領域に零点が入る」という追加の仮定が必要で、無条件の定理にはなっていませんでした。

Claudeの寄与

Claudeが行ったのは、大まかに次の流れです。

1. ヴェイユの明示公式で「零点についての和」と「素数についての和」を結びつける。
2. ヴェイユの二次形式を分割せず、一体のエルミート二次形式として扱う。すると臨界線上の零点は正定値のランク1成分として、臨界線から外れた対称ペアは不定値ブロックとして現れる。
3. シルベスターの慣性法則（座標変換しても正・負の方向の個数は変わらない）を使い、個々の零点の位置を特定せずに、臨界線上の寄与だけを分離する。
4. ランク–トレース不等式により、トレースとフロベニウスノルムを対相関のモーメント情報へ接続し、臨界線上のランクの下界に変換する。

この構成によって、先行研究で必要だった追加仮定が不要になり、無条件（unconditional）な定理として成立しました。最後にMontgomery–Taylorカーネルを最適化して、2/3から約67.250%へ精密化しています。

「AIが人間には思いつけない超越的な発想をした」というより、膨大な先行研究を横断して読み、既存の道具の接続可能性を総当たりで探索した結果と見るのが実態に近い整理です。ここは、AIエージェントに何を任せると成果が出やすいかを考えるうえでも重要な観点になります。

どう作業したのか｜約60体のサブエージェント・3,100万トークン・650回の失敗

出典：Anthropic公式サイト

AIエージェントの運用という観点で見ると、公開されている数字はかなり具体的です。

とくに注目すべきは、セッション1で650個のアイデアが全滅している点です。成功した1本の裏に、桁違いの失敗が積み上がっています。これは「AIが一発で答えを出した」というイメージとは異なり、大量の試行を許容する設計があって初めて成立した成果であることを示しています。

もう1つ興味深いのは、Claude自身が当初「有意な進展は不可能だろう」と懐疑的だったとAnthropicが記述していることです。学習データ由来の「未解決問題は難しい」「AIには無理」という事前分布が働いた可能性が示唆されています。

サブエージェントを使った並列作業の具体的な組み方については、Claude Code サブエージェントの使い方（Task tool・Agent Teams・並列処理）、コスト管理まで含めた運用設計はClaude Code Agent Teamsの使い方で整理しています。

コストについて（推計であることに注意）

出力3,100万トークンという規模から、第三者が「出力課金だけで数百ドル規模」と試算していますが、Anthropicは公式のコストを公表していません。未公開研究モデルの単価も不明です。したがって「数百ドルで数学の壁を破った」という表現は、あくまで第三者の概算に基づく話として扱う必要があります。

とはいえ、桁感として「50年動かなかった記録を、企業の実験予算レベルの計算資源で25ポイント動かした可能性がある」という点は、費用対効果の観点で示唆的です。トークン消費の抑え方についてはClaude Code コスト最適化ガイドも参考になります。

人間は何をしたのか｜励ましと検証、そしてLean 4による機械検証

出典：Lean 公式サイト

今回の作業で、人間が数学的な方針を与えた形跡はほとんどありません。

指示者の役割

指示を出したJarred Sumner氏は数学者ではなく、最初に「take a real stab（本気でやってみて）」と依頼した後は、数学的な選択をモデルに委ねています。650個のアイデアが全滅した後にかけた言葉も、「keep going」「believe in yourself」といった励ましが中心でした。

これは、AIエージェントを扱ううえで実務的な示唆を含みます。モデルが「これは不可能です」と自己申告してきたとき、それを最終判定として受け取るか、事前分布として押し返すかで結果が変わり得るということです。

3層の検証体制

一方で、検証には人間と機械の両方が厚く入っています。

外部レビュアーの顔ぶれは象徴的です。Brian Conrey氏は1989年に40%の記録を打ち立てた本人であり、Dan Goldston氏はClaudeが依拠した無条件対相関の共著者です。この分野を最もよく知る2名が内容を検討しています。

Lean 4形式化については、sorry（未証明のプレースホルダ）がゼロで、#print axioms の結果もLean標準の3公理（propext / Classical.choice / Quot.sound）のみです。ヴェイユの明示公式、リーマン–フォン・マンゴルト公式、スターリング評価、Montgomery–Vaughan不等式といった解析的な入力も、すべて証明済みの形で組み込まれています。

ただし1点だけ補足が必要です。バンド幅1の上限に関する定理は、256個の整数の囲い込み（enclosure）が指定範囲に収まるという1つの仮定（EnclOK）に依存しており、これはLeanの外部で区間演算により検証されています（ハッシュ値が公開されています）。主要な下界の定理そのものはこの仮定に依存しませんが、「すべてが機械の内側で閉じている」わけではない点は正確に理解しておく必要があります。

ここは要注意｜査読未了・再現不可・リーマン予想には届かない

一次情報を読むほど、慎重に扱うべき点が明確になります。過大評価も過小評価も避けるために、次の5点を押さえてください。

1. リーマン予想の証明にはつながらないとAnthropic自身が明言

Anthropicは「Claudeが用いた手法がリーマン予想の証明につながるとは考えていない」と明記しています。今回の成果は、もともとリーマン予想そのものに挑戦する過程で生まれた副産物という位置づけです。

2. 手法には理論的な上限がある

現在利用可能な「バンド幅1」の対相関情報を使う限り、このアプローチは約0.6818（68.2%程度）で頭打ちになることが、同じリポジトリで示されています。70%・80%・90%に到達するには、それぞれフーリエ台がおよそ1.04・1.26・1.70の対相関データが必要ですが、これらは未確立です。

さらに、疎な例外集合を排除できない構造上、この路線では100%（＝リーマン予想）に原理的に到達できません。「あと32.8%でリーマン予想」という読み方は誤りです。

3. 査読を経ていない

2026年8月12日時点で、ジャーナルへの投稿は行われていません。専門家によるレビューとLeanによる機械検証は入っていますが、伝統的なピアレビューのプロセスとは別物です。arXivへの投稿状況も現時点では確認できていません。

4. 第三者による完全な再現ができない

使用されたのは未公開の研究版Claudeで、モデル名・重み・チェックポイントはすべて非公開です。したがって、「同じモデルに同じ指示を出して同じ成果が出るか」を外部が検証する手段はありません。

ただし、成果物の側は逆に検証しやすくなっています。論文PDF・Lean形式化・作業トランスクリプトが公開されているため、「実験は再現しにくいが、証明は人間が書いた通常の論文より監査しやすい」という、やや珍しい状態になっています。

5. 形式検証が保証する範囲には限界がある

Lean形式化は「書かれた命題から結論が論理的に導かれること」を保証しますが、「その形式的な命題が、意図した数学的主張を正しく表現しているか」までは保証しません。ここは人間の専門家による判断が必要な領域です。この点は、AIによる証明を評価する際に共通して重要になります。

よくある誤解の整理

SNSやニュースの見出しで生まれやすい誤解を、まとめて訂正します。

どのモデルなのか、いつ使えるのか｜現時点の整理

2026年8月12日時点で、「今すぐ同じことができるモデル」は提供されていません。

現行の最上位モデルの位置づけを確認したい方はClaude Opus 5とは｜料金・性能の解説、次世代モデルの動向はClaude Fable 5とはやClaude 5の公式ステータス整理にまとめています。研究用途向けのAnthropicの取り組みとしてはClaude Scienceとは｜研究者向けAIワークベンチも関連します。

なお、今回の成果を出したモデルが将来の正式リリースモデルと同一かどうかも公表されていません。「あのリーマンの成果を出したモデル」として宣伝される可能性はありますが、現時点で紐づけて語るのは推測の域を出ません。

2026年のAI×数学｜OpenAI・DeepMind・Harmonicとの比較

今回の発表は単発の出来事ではなく、2026年に入ってから急速に進んだ「AIが査読可能な新規数学結果を出す」流れの中にあります。

この年表から見えるのは、「AIが数学の問題を解く」という話が、ベンチマークのスコアではなく、専門家が読む形の結果に移りつつあるという変化です。とくにLeanによる形式化が標準的な提出物になりつつある点は、検証コストを大きく下げる方向に働いています。

他社の成果との比較でいえば、今回のAnthropicの結果には次の特徴があります。

• 問題の知名度が突出している（ミレニアム懸賞問題に直接関係する）
• 50年単位で停滞していた記録の更新であり、単発の未解決問題の解決とは性質が異なる
• 人間の数学的介入がほぼゼロ（指示者が非数学者）
• 一方で、モデルが非公開のため再現性は他社事例より低い

2026年5月のOpenAIによる幾何学予想の反証についてはOpenAIが80年来の数学難問を解いた件の解説、Google DeepMindのアルゴリズム発見系エージェントについてはAlphaEvolveとはで詳しく扱っています。

実務者が持ち帰れること｜AIエージェント運用への示唆

数学の中身に関心がなくても、この事例はAIエージェントを業務で回している人にとって参考になる要素を多く含んでいます。公開された数字から読み取れる運用パターンを整理します。

とくに実装に落としやすいのは、「生成エージェント」と「検証エージェント」を分けるという点です。同じエージェントに生成と自己検証をさせると、自分の誤りに寛容になりやすくなります。今回のケースでは、独立した再証明と反例探索が別プロセスとして走っていました。

一方で、この事例をそのまま自社に持ち込む際の注意もあります。約1日半・約60体の自律稼働は、コスト管理と暴走リスク管理の両方が前提です。権限の絞り込み、実行環境の分離、途中経過のログ確認といった基本を欠いた状態で規模だけ真似すると、費用も安全性も制御できなくなります。エージェント運用の基礎はAIエージェントとは｜仕組みと種類の解説、Claude Codeの基本的な使い方はClaude Code 使い方ガイドにまとめています。

また、長時間の自律実行がどのような挙動を生むかという観点では、Claude Opus 5が自動販売機シミュレーションで見せた行動の検証記事も併せて読むと、期待値の置き方が調整しやすくなります。

こんな人におすすめ｜この成果を追う価値がある人・今は気にしなくてよい人

追いかける価値が大きい人

• AIエージェントの設計・運用をしている人：大量試行・並列化・検証層・機械検証可能な成果物という設計パターンが、そのまま参考になります。
• 研究職・R&D部門の人：文献横断の探索と仮説の組み合わせ生成を、AIにどこまで任せられるかの現実的な水準が分かります。
• AIの能力評価をしている人：ベンチマークではなく「専門家が査読できる新規結果」という評価軸が実際に成立し始めたことを示す事例です。
• 数学・情報科学の学生や教員：Lean 4形式化がApache-2.0で公開されており、証明を実際に追跡できます。

今は気にしなくてよい人

• すぐに業務で同じ性能を使いたい人：使用モデルは非公開で、提供時期の発表もありません。現時点で再現手段がない以上、業務計画には組み込めません。
• リーマン予想の解決そのものを期待している人：Anthropic自身が「この手法では解決に至らない」と明言しており、手法の上限も約68.2%と示されています。
• 確定した学術的評価を待ちたい人：査読前の段階です。評価が固まるまで判断を保留するのは合理的な選択です。
• 日常業務でAIを文章作成・要約に使っている人：今回の成果は現行の一般提供モデルの機能変更を伴いません。日々の使い方への直接的な影響はありません。

まとめ

今回の発表は、「Claudeはリーマン予想を解いていないが、その周辺で50年動かなかった記録を大幅に更新した」という一件です。押さえるべき要点を整理します。

1. リーマンゼータ関数の零点が臨界線上にある割合の証明済み下界が41.6%から67.2%へ更新された。初めて50%を超えた。
2. 過去の進捗は1974年以降の46年間で約8.4ポイント。今回は約1日半で25.6ポイントという異例の更新幅。
3. 手法は新規の数学の発明ではなく、既存の先行研究を分野横断で再結合し、追加仮定を外して無条件の定理にしたもの。
4. 検証は社内数学者2名・外部専門家2名・Lean 4形式化の3層だが、査読は未実施で、モデル非公開のため外部からの完全な再現は不可能。
5. 手法の理論的上限は約68.2%で、リーマン予想の証明には原理的に届かない。

ニュースとしては派手ですが、実務者にとって本当に価値があるのは数値そのものより、「大量の失敗を許容し、検証層を分離し、機械検証可能な成果物を出させる」という運用の型です。この型は現行のClaudeでも今日から適用できます。

よくある質問（FAQ）

Q. クレイ数学研究所の100万ドルの賞金はもらえるのですか？

もらえません。賞金の対象はリーマン予想そのものの証明（または反証）であり、部分的な下界の改善は対象外です。また、賞金の授与には査読付きジャーナルへの掲載と一定期間の検証が条件とされており、今回の成果はその段階に達していません。

Q. 論文の著者名が「Claude」になっているのは問題ないのですか？

公開されている論文のクレジットはClaude（Anthropic, 2026）となっています。AIを論文の著者として認めるかどうかは、多くの学術ジャーナル・出版社が慎重な姿勢を取っている論点で、学界での合意はまだありません。今回はジャーナル投稿を経ていないため、この論点が正面から問われる場面には至っていない、というのが現状です。

Q. 数学者の仕事はAIに置き換わるのですか？

現時点の事実から判断する限り、置き換えというより役割の変化と見るのが妥当です。今回の成果は、Baluyot–Goldston らの先行研究があって初めて成立しており、新しい枠組みを作ったのは人間の側です。Anthropicも「数学者のアイデアの射程と影響力を新しい形で広げる」という位置づけで説明しています。一方で、文献横断の探索や組み合わせの総当たりといった作業の比重は、確実にAI側へ移りつつあります。

Q. Lean形式化があれば、専門家のレビューは不要になりませんか？

なりません。Lean形式化が保証するのは「記述された前提から結論が論理的に導かれること」であり、「その形式的な記述が意図した数学的主張を正しく表しているか」は保証しません。定義の書き方が主張とずれていれば、形式的には正しくても数学的には無意味な定理になり得ます。この判定には専門家の目が必要です。

Q. 所要時間について「約1日半」と「54時間」の両方を見かけますが、どちらですか？

Anthropicの公式説明では「約1日半」です。「54時間」「3カレンダー日にまたがる」といった記述は二次メディアで見られるもので、公式の表記とは一致していません。本記事では公式表記を採用しています。

Q. なぜAnthropicはモデルを公開しないのですか？

理由は公表されていません。研究版モデルは安全性評価や製品化の工程を経ていない段階にあるのが一般的で、そのまま公開されないこと自体は珍しくありません。ただし、それによって第三者検証ができない状態が生じているのも事実で、この点は評価を保留する理由として合理的です。

Q. 今後どこを見ておけば続報が分かりますか？

一次情報としては、Anthropicの公式リサーチ記事、公開されているLean形式化リポジトリ、Anthropic公式Xアカウントの3つです。とくに注目すべきは、arXivやジャーナルへの投稿が行われるか、そして使用モデルの正体が明かされるかの2点です。Anthropicが次期モデルを発表する際に紐づけて語られる可能性があります。