Complexul Anthropic Claude, format din 16 agenți AI, a creat autonom un compilator C.

În cadrul experimentului, compania Anthropic a adunat un grup de 16 agenți autonomi AI care, împreună cu zero, au creat un compilator al limbajului C în Rust. Rezultatul este o implementare „curată”, capabilă să compileze nucleul Linux 6.19 și proiecte precum PostgreSQL, SQLite, Redis, FFmpeg și QEMU, dar rămâne semnificativ în urmă GCC din punct de vedere al calității și eficienței.

Cum a fost realizat
Etapă Ce s-a întâmplat Pregătirea 16 exemplare ale modelului Claude Opus 4.6 au fost lansate în containere Docker separate fără acces la internet. Fiecare dintre ele clonează un repository Git comun și primește sarcini prin fișiere lock. Planificare independentă Nu există un coordonator central: fiecare agent își stabilește singur ce „părți evidente” de muncă să execute în continuare. În cazul unui conflict, codul este combinat automat. Dezvoltare Agenților li s-a cerut să scrie complet compilatorul C de la zero. Lucrul a durat 2 săptămâni și a necesitat aproape 2000 de sesiuni Claude Code. Testare Pentru a nu „încărca” contextul modelului cu cereri lungi, testele se rulează în modul sumar (doar câteva linii de ieșire). Pentru accelerare s-a adăugat un mod rapid de procesare pentru 1–10 % din teste.

Produsul final
* Volum – aproximativ 100 000 de linii de cod Rust.
* Funcționalitate – poate compila nucleul Linux 6.19 pe x86, ARM și RISC‑V; compilează PostgreSQL, SQLite, Redis, FFmpeg, QEMU; trece ~99 % din testele GCC.
* Limitări – nu generează cod mașină 16‑bit (pentru rularea Linux este necesar GCC), asamblorul și linkerul funcționează cu erori, iar performanța codului este mai mică decât cea a GCC. Calitatea codului Rust sursă rămâne sub așteptări comparativ cu munca unui programator experimentat.

Costurile experimentului
Indicator Cost Token Claude API ~\$20 000 Cheltuieli suplimentare (învățarea modelului, organizarea proiectului, seturi de teste) nu sunt incluse în suma indicată

Învățăminte și concluzii
1. Limita autonomiei – pe măsură ce codul crește la ~100 000 de linii, agenții încetează să înțeleagă complet proiectul; probabil că aceasta este limita superioară pentru AI independent.
2. Necesitatea suportului – încercările de a extinde funcționalitatea au rupt adesea părți deja funcționale ale codului.
3. Importanța mediului de dezvoltare – izolarea de internet și configurarea corectă a testelor s-au dovedit critice pentru stabilitatea agenților.

Concluzie
Experimentul arată că modelele AI moderne pot genera sisteme software complexe cu control minim. Totuși, încă nu pot înlocui complet dezvoltatorii experimentați: calitatea codului, performanța și fiabilitatea rămân sub nivelul compilatoarelor tradiționale, iar scala proiectului este limitată la sute de mii de linii. Este un pas important înainte, dar încă departe de dezvoltarea autonomă completă a software-ului.