Шестнадцать агентов Claude AI, работая вместе, создали новый компилятор C.

На фоне двигаться к агентам ИИПоскольку на этой неделе Anthropic и OpenAI представили многоагентные инструменты, Anthropic более чем готова продемонстрировать некоторые из своих наиболее смелых экспериментов по кодированию ИИ. Но, как обычно бывает с заявлениями о достижениях, связанных с ИИ, впереди вас ждут некоторые ключевые предостережения.

В четверг исследователь антропологии Николас Карлини опубликовал сообщение в блоге описывая, как он разместил 16 экземпляров модели искусственного интеллекта Claude Opus 4.6 компании в общей кодовой базе с минимальным контролем, поручив им создать компилятор C с нуля.

Сообщается, что за две недели и почти 2000 сеансов Claude Code стоимостью около 20 000 долларов США в качестве платы за API агенты модели ИИ создали компилятор на основе Rust со 100 000 строк, способный создать загрузочное ядро Linux 6.9 на архитектурах x86, ARM и RISC-V.

Карлини, научный сотрудник группы Safeguards компании Anthropic, ранее проработавший семь лет в Google Brain и DeepMind, использовал новую функцию, запущенную в Claude Opus 4.6, под названием «агентские команды». На практике каждый экземпляр Claude работал внутри своего собственного контейнера Docker, клонируя общий репозиторий Git, запрашивая задачи путем записи файлов блокировки, а затем отправляя готовый код обратно в исходный код. Ни один агент оркестрации не направлял трафик. Каждый экземпляр независимо определял ту проблему, которая казалась наиболее очевидной для дальнейшей работы, и начинал ее решать. Когда возникали конфликты слияния, экземпляры модели ИИ разрешали их самостоятельно.

Получившийся компилятор, который есть у Anthropic выпущен на GitHubможет компилировать ряд крупных проектов с открытым исходным кодом, включая PostgreSQL, SQLite, Redis, FFmpeg и QEMU. Он достиг 99-процентного успеха в наборе тестов на пытки GCC и, что Карлини назвал «лакмусовой бумажкой разработчика», скомпилировал и запустил Рок.

Стоит отметить, что компилятор C — это почти идеальная задача для полуавтономного кодирования моделей ИИ: спецификации уже несколько десятилетий, и уже существуют четко определенные, комплексные наборы тестов, и есть известный хороший эталонный компилятор для проверки. Большинство реальных программных проектов не имеют ни одного из этих преимуществ. Самая сложная часть большей части разработки — это не написание кода, который проходит тесты; в первую очередь нужно выяснить, какими должны быть тесты.