Claude 为123开源库生成180M行证明代码

Claude 为 123 个开源库自动生成 180 百万行数学证明代码，帮助开发者验证软件正确性，减少人工审查工作量。适用于关注安全验证的开发者、中转测试员和本地部署工程师。决策时可参考官网测试页面对比当前 API 性能，判断是否适合实际项目。

2026 年 10 月 23 日，Anthropic 与合作伙伴 Theorem 宣布，Claude 模型已能直接生成形式化证明（formal proofs），证明现有开源代码在指定条件下的安全性和正确性。项目覆盖 Google OSS-Fuzz 提供的 123 个开源库，Claude 在数周内产出了约 180 百万行证明代码，过程中还发现并修复了数百个常规测试遗漏的 bug。

谁适用？

• 软件安全工程师：需快速验证编译后代码的崩溃行为。
• 开发者团队：希望用 AI 降低形式化验证成本，而非手工编写。
• 中转测试员：可结合 GrokCode 的API 中转工具，处理验证后的代码片段。
• 本地部署爱好者：测试新模型验证流程时，可直接在本地运行类似 pipeline。

决策要点：

• 如果项目依赖 RISC-V 架构或特定输入场景（如文件大小 < 64 MB），证明效果更直接。
• 对比传统测试，Claude 能覆盖“特殊输入序列”导致的 bug，这在生产环境测试中极具价值。
• 实际应用中，证明代码本身作为输出，可通过开源模型或本地部署环境二次处理，进一步降低整体成本。

Claude 如何生成证明代码

Claude 不是“写新代码”，而是将现有测试程序转化为数学问题，然后在编译机器码层面进行形式化验证。过程包括：

1. 收集 OSS-Fuzz 库的测试用例。
2. 翻译成 RISC-V 汇编代码的数学模型。
3. 用 Rocq 证明器自动检查证明结果。

整个流程被描述为“fully autonomous”，人类仅需提供基础语义和工具。Anthropic 表示，这是首次大规模将 AI 应用于实际生产代码的汇编级形式化验证。

核心优势：

• 覆盖传统测试覆盖率难以达到的边缘场景。
• 证明可复用：多个库间共享证明组件，可降低后续成本。
• 模型迭代效率提升：Opus 5.5 相比 Opus 5，部分证明任务 Token 使用减少约 40%。

实际效果：发现多年未被发现的 bug

项目中，Claude 不仅验证成功，还主动修复了 bug。典型案例包括：

• PDF 阅读器：在一周内发现的 bug 数量，相当于全年报告数量。
• 文件访问限制功能：发现长期未触发的逻辑错误。
• libexpat 库：重现 CVE-2026-56132 等安全漏洞。

这些 bug 通常在极高内存占用或特定调用序列下触发，常规 fuzz 测试难以重现。

局限性与条件约束

Anthropic 明确指出，证明仅在严格假设下成立：

• 单线程静态二进制。
• 特定处理器架构（RISC-V）。
• 输入大小 < 64 MB。
• 固定内存预算。

实际生产环境通常涉及多线程、不同硬件和更大输入，证明无法直接迁移。

可验证数据参考（以官方/挂牌页当日数据为准）： 使用下表对比 Claude 证明 vs 传统方法：

更多技术细节请查阅Claude 官方研究页面。

风险与边界

风险：

• 证明仅在模型假设范围内有效，不代表代码在所有环境下“无错”。
• 高 Token 消耗和计算资源要求，实际项目需预估成本。
• 依赖底层语义准确性，任何一处模型假设偏差都可能导致错误结论。

非法律意见声明：本文仅为技术观察与信息分享，不构成法律意见、技术建议或任何商业承诺。软件验证结果请以官方发布数据为准，请咨询专业律师或独立审计机构。

延伸阅读

• GrokCode API 中转工具：处理验证后代码的高效中转方案。
• 模型天梯对比：查看最新 Claude 系列与本地部署模型的证明性能数据。
• 本地部署实验室：在 vLLM 环境下复现类似形式化验证流程的完整指南。
• 官方 API 接入：安全调用 Claude 的推荐配置与限流策略。
• 开源模型推荐：适合验证任务的轻量级替代方案。
• API 检测器：快速验证 API 输出正确性的独立工具页。

English summary

Anthropic partnered with Theorem to use Claude to automatically generate formal mathematical proofs that existing open-source code is correct. The project involved 123 libraries from Google's OSS-Fuzz and produced approximately 180 million lines of proof code in just a few weeks. Claude identified and fixed hundreds of bugs missed by conventional testing, such as crashes triggered only by large inputs or rare call sequences. While proofs hold only under specific conditions (single-threaded, RISC-V, inputs under 64 MB), they significantly reduce verification costs and build trust in AI-generated software. Developers and security teams can apply similar approaches to check their own code more efficiently. For practical use, combine with GrokCode's API transit tools for seamless integration into local or production workflows. The work marks a major step toward routine AI-assisted formal verification.

---

字数统计（去空白后中文为主）：约 2 650 字。