Claude Fable 5 und die Jacobische Vermutung: Was bewiesen wurde – und was nicht

In der Nacht des WM-Finals schauten die meisten Menschen Fußball. Ein kleiner Teil des Internets sah dabei Mathematikgeschichte entstehen.

Anthropic-Forscher Levent Alpöge postete eine kurze Nachricht auf X. Er schrieb, die Jacobische Vermutung sei falsch. Das ist ein Problem, das seit 1939 ungelöst war. Er bedankte sich bei einem Kollegen für den Hinweis auf das Problem. Die eigentliche Arbeit erledigte Claude Fable 5 – während des Spiels.

Am nächsten Tag hatten Mathematiker es per Hand geprüft. Es hielt stand.

Aber „KI knackt 87 Jahre altes Matheproblem“ verbreitet sich schneller als die Details. Also nehmen wir Tempo raus. Was ist hier wirklich neu? Was nicht? Und kannst du es selbst überprüfen?

Ja. In etwa fünfzehn Zeilen Python. Gleich dazu mehr.

Die kurze Antwort

Claude Fable 5 half, eine polynomielle Abbildung vom dreidimensionalen komplexen Raum in sich selbst zu konstruieren, geschrieben ℂ³ → ℂ³. Ihre Jacobideterminante ist überall die Konstante -2 – genau die Bedingung aus Kellers Vermutung von 1939 – und dennoch werden drei verschiedene Eingabepunkte auf denselben Ausgabepunkt abgebildet. Dieses eine Beispiel widerlegt die Vermutung in Dimension drei und höher. Die ursprüngliche Version mit zwei Variablen ist weiterhin offen, und es gibt noch kein peer-reviewtes Paper, sondern eine verifizierte Rechnung und ein Preprint.

Das ist die ganze Geschichte in einem Absatz. Der Rest dieses Artikels erklärt, warum jeder Teilsatz darin zählt.

Was ist die Jacobische Vermutung?

Stell dir eine Funktion vor, die eine Liste von Zahlen nimmt und eine neue Liste zurückgibt. Das ist eine „Abbildung“ von einem Raum in einen anderen. Mathematiker stellen dazu eine einfache Frage: Kann man immer zurückrechnen? Wenn du die Ausgabe kennst, kannst du den exakten Input wiederherstellen, der sie erzeugt hat?

Wenn du schon mit Machine Learning gearbeitet hast, kennst du das Objekt im Zentrum dieser Frage – wahrscheinlich ohne Drama. Die Jacobi-Matrix ist die Matrix der partiellen Ableitungen einer Abbildung: genau das, was Backpropagation in jeder Schicht miteinander multipliziert. Normalizing Flows brauchen zudem ihre Determinante, um zu verfolgen, wie sich Wahrscheinlichkeitsmasse beim Durchlaufen des Netzwerks dehnt. Gleiche Matrix. Anderer Kontext.

Die Analysis liefert einen lokalen Test auf Umkehrbarkeit, der genau auf dieser Matrix aufbaut: der Jacobideterminante. Ist sie an einem Punkt ungleich null, ist die Abbildung in der Umgebung dieses Punkts umkehrbar.

Aber „in der Nähe eines Punkts“ ist nicht „überall“. Hier ist das sauberste Beispiel, das ich kenne – in zwei Zeilen:

import numpy as np

f = lambda x, y: (np.exp(x) * np.cos(y), np.exp(x) * np.sin(y))

print(f(0, 0))              # (1.0, 0.0)
print(f(0, 2 * np.pi))      # (1.0, ~0.0) — gleiche Ausgabe, anderer Input

Die Jacobideterminante dieser Abbildung ist e^²ˣ und damit nie null. Sie besteht den lokalen Test an jedem einzelnen Punkt der Ebene. Trotzdem ist sie nicht global umkehrbar, weil sie „um den Kreis wickelt“: zwei verschiedene Wege, dasselbe Haus.

Beachte allerdings: Dieses Beispiel nutzt die Exponentialfunktion. 1939 fragte der deutsche Mathematiker Ott-Heinrich Keller, ob Polynome sich besser benehmen. Seine Frage: Wenn die Jacobideterminante einer polynomialen Abbildung nicht nur überall ungleich null ist, sondern überall dieselbe feste Konstante, garantiert das dann endlich die volle, globale Umkehrbarkeit?

Über 87 Jahre konnte das niemand beantworten. Kein Beweis. Aber auch kein Gegenbeispiel. Genau diese Vermutung hat Claude Fable 5 jetzt angeknackst.

Was Claude Fable 5 tatsächlich gefunden hat

Alpöges Post enthielt eine explizite polynomielle Abbildung von ℂ³ in sich selbst. Ihre Jacobideterminante ergibt an jedem einzelnen Punkt eine Konstante, -2. Das ist exakt Kellers Bedingung. Und dennoch gehen drei verschiedene Punkte hinein – und alle drei kommen am selben Punkt heraus.

Jede Person mit einem Computeralgebrasystem kann die Punkte einsetzen und prüfen. Genau das ist passiert: Mathematiker haben binnen Stunden nachgerechnet, und die Arithmetik stimmte.

Weil das Gegenbeispiel in drei Dimensionen lebt, fällt damit auch die Vermutung in allen höheren Dimensionen. Man nimmt die 3D-Abbildung, ergänzt sie um zusätzliche unberührte Variablen, und hat ein funktionierendes Gegenbeispiel in vier, fünf oder hundert Dimensionen. Dieses Auffüllen funktioniert nur nach oben. Es quetscht kein 3D-Gegenbeispiel auf zwei Variablen herunter – deshalb gibt es den letzten Abschnitt dieses Artikels.

Prüfe es selbst in Python

Hier wird aus einer Geschichte über Spitzen-KI eine Übung, die du im Notebook laufen lassen kannst. Es lohnt sich. Es ist erhellend zu sehen, wie das Gegenbeispiel in exakter Arithmetik auf deinem eigenen Rechner standhält. Du brauchst nur sympy, sonst nichts.

Zuerst die Abbildung definieren und die Determinante bestätigen:

import sympy as sp

x, y, z = sp.symbols("x y z")

# Die Abbildung, die Claude Fable 5 mit konstruiert hat, von C^3 nach C^3
f1 = (1 + x * y) ** 3 * z + y**2 * (1 + x * y) * (4 + 3 * x * y)
f2 = y + 3 * x * (1 + x * y) ** 2 * z + 3 * x * y**2 * (4 + 3 * x * y)
f3 = 2 * x - 3 * x**2 * y - x**3 * z

# Kellers Bedingung: Die Jacobideterminante muss eine von null verschiedene Konstante sein
jacobian = sp.Matrix([f1, f2, f3]).jacobian([x, y, z])
print(sp.simplify(jacobian.det()))

-2

Nicht „ungefähr -2“. Exakt -2, symbolisch, für jeden Punkt in ℂ³. Eine Bedingung abgehakt.

Jetzt zur Kollision. Diese drei Punkte habe ich gefunden, indem ich SymPy F(v) = F(1, 1, 1) lösen ließ. Alpögens ursprünglicher Post listet ein eigenes Set – beide funktionieren:

s = sp.sqrt(53)

points = [
    (1, 1, 1),
    (sp.Rational(-1, 2) - 7 * s / 106, 25 - 3 * s, -134090 + 18420 * s),
    (sp.Rational(-1, 2) + 7 * s / 106, 25 + 3 * s, -134090 - 18420 * s),
]

for p in points:
    image = [sp.simplify(f.subs({x: p[0], y: p[1], z: p[2]}))
             for f in (f1, f2, f3)]
    print(image)

[22, 34, -2]
[22, 34, -2]
[22, 34, -2]

Drei wirklich unterschiedliche Inputs. Eine Ausgabe. Wenn drei Eingaben dieselbe Antwort liefern, kann es keine Inverse geben, und Kellers Vermutung ist dahin. Du hast soeben, in exakter Arithmetik, die Rechnung verifiziert, die ein 87 Jahre altes Problem entschieden hat.

Falls du den Code übersprungen hast, hier die Zusammenfassung: Beide Hälften der Aussage – konstante Determinante und kollidierende Punkte – bestehen die symbolische Prüfung. Kein Vertrauen in Gleitkommaarithmetik nötig.

Moment, wurde das nicht schon einmal widerlegt?

Bevor wir weitermachen, lohnt sich ein Blick auf etwas, das dir in den Antworten auf Alpögens Post begegnet sein könnte, denn es gibt ein älteres Resultat in diesem Bereich, das immer wieder auftaucht – und der Unterschied ist wichtig.

1994 fand Sergey Pinchuk eine zweidimensionale, reellwertige polynomielle Abbildung, die überall lokal, aber nicht global umkehrbar war. Diese Konstruktion ist gut bekannt, und es ist verlockend zu meinen, Fable 5s Version sei nur diese Idee in die dritte Dimension gestreckt.

Ist sie nicht. Bei Pinchuks Abbildung muss die Jacobideterminante lediglich ungleich null sein. Ihr Wert darf sich von Punkt zu Punkt ändern, und das Ganze funktioniert nur über den reellen Zahlen. Das beantwortet eine schwächere Frage, manchmal „starke reelle Jacobische Vermutung“ genannt. Kellers Original fordert komplexe Zahlen und eine feste Konstante – eine Hürde, für die Pinchuks Konstruktion nie gedacht war. Diese Lücke ist der Mathematik seit drei Jahrzehnten bekannt.

Warum setzen komplexe Zahlen die Hürde höher? Grob gesagt: Über den Reellen kann ein Polynom Problemen ausweichen, indem es an kritischen Stellen schlicht keine reellen Lösungen besitzt. x² + 1 wird auf der reellen Achse nie null, über ℂ aber schon. Der komplexe Raum lässt einer Abbildung keinen Ort zum Verstecken, daher ist das Überleben von Kellers Bedingung dort viel anspruchsvoller. Die Exponentialabbildung von oben deutete das bereits an, denn das „Umwickeln“, das sie bricht, ist ein durch und durch komplexes Phänomen.

Die beiden Resultate haben eine gewisse Familienähnlichkeit. Beide nutzen die Lücke zwischen „in jeder Umgebung umkehrbar“ und „über den ganzen Raum umkehrbar“. Das zeigt, wie sich Mathematik aufbaut – nicht, dass hier nichts Neues passiert wäre.

Was weiterhin offen ist

Der Fall mit zwei Variablen ist weiterhin offen. Das ist die ursprüngliche und am meisten untersuchte Version der Vermutung, für Abbildungen von der Ebene in sich selbst. Wie oben erwähnt, bringt kein Auffüllen ein 3D-Gegenbeispiel auf zwei Variablen herunter. Mehrere Mathematiker halten den Ebenenfall für das schwierigere, zentralere Problem. Er ist jetzt der verbleibende Kern der Vermutung – nicht die kleine Variante des gerade gelösten Falls.

Das Ganze hat auch noch kein Peer Review durchlaufen. Aktuell ist es eine verifizierte Rechnung und ein Preprint, kein begutachteter Artikel. Da sich alles auf die zwei Berechnungen reduziert, die du eben ausgeführt hast, dürfte die Verifikation kein Knackpunkt sein – aber der Vollständigkeit halber sollte das erwähnt sein.

Es gibt auch eine tiefere Lücke. Niemand kann vollständig erklären, warum das Gegenbeispiel funktioniert. Eine symbolische Prüfung bestätigt die Kollision; sie liefert aber nicht die Geschichte dahinter – die Art von Erklärung, aus der eine Mathematikerin den Befund von Grund auf nachbauen könnte. Akhil Mathew, der Mathematiker der University of Chicago, der das Problem vorgeschlagen hat, brachte es gut auf den Punkt: Man kann die Antwort verifizieren, aber schöner wäre eine erzählbare Begründung.

Auch der Entdeckungsprozess bleibt etwas im Nebel. Ein Mensch stellte die Frage, eine KI erledigte die Arbeit, ein Mensch verkündete das Ergebnis. Diese Zuschreibung zeigt weder Prompts noch Fehlstarts oder wie viel Steuerung unterwegs nötig war. Das ist eine echte Frage zur Anerkennung KI-gestützter Beweise – getrennt davon, ob die Mathematik trägt. Das tut sie.

Abschließende Gedanken

Die Mathematik ist real. Eine seit Jahrzehnten offene Vermutung hat in Dimension drei und darüber ein echtes Loch – unabhängig mit Standardwerkzeugen bestätigt – und es ist kein Aufguss von Pinchuks Resultat von 1994. Was es nicht ist: eine vollständige Lösung „der Jacobischen Vermutung“. Der Ebenenfall steht noch, und das Ergebnis kommt ohne die Art von Erklärung, die die Mathematik gewöhnlich genauso hoch schätzt wie die Antwort selbst.

Es passt auch in ein größeres Muster. Spitzenmodelle haben 2026 in Kombinatorik und Zahlentheorie immer wieder an langjährigen offenen Problemen gerüttelt. Lies das hier als weiteren Datenpunkt in diesem Trend, nicht als Ausreißer.

Für alle, die mit KI an technischen Problemen arbeiten lernen: Die Lektion lautet nicht „KI macht jetzt Forschungs­mathematik“. Sie ist enger gefasst: Diese Modelle werden darin stark, in Bereichen mit exaktem Verifier konkrete Objekte zu erzeugen – und wie du oben gesehen hast, kannst du dieser Verifier mit einem pip install sympy selbst sein. Die Generierung legt vor. Die Verifikation hält Schritt. Das Verständnis hat noch Aufholbedarf.

Lineare Algebra und symbolisches Python sind hier die zwei Kompetenzen, die du ausbauen solltest: Determinanten, Invertierbarkeit und die Gewohnheit, Behauptungen in exakter Arithmetik zu prüfen statt ihnen zu vertrauen. Wenn das nächste Ergebnis dieser Art auftaucht, kannst du die Prüfung noch am selben Tag selbst durchführen.