Anthropic informó que Claude generó pruebas matemáticas de la corrección del código existente para 123 bibliotecas de código abierto. El volumen de código de prueba creado fue de aproximadamente 180 millones de líneas.

Durante el trabajo, el modelo detectó errores que, según The Decoder, no fueron identificados por años de pruebas. Anthropic busca hacer de la verificación formal con IA una práctica tan común como las pruebas estándares.

El valor práctico depende de cuánto se verifiquen de forma independiente estos resultados y de cuán aplicable sea el enfoque a otros proyectos. En el paquete presentado solo hay un sinopsis de la publicación, y no su texto completo ni pruebas aisladas.