En febrero de 2026, el investigador de Anthropic Nicholas Carlini describió cómo puso a 16 instancias de Claude Opus 4.6 a trabajar libremente sobre una base de código compartida para construir un compilador de C desde cero. A lo largo de dos semanas y casi 2.000 sesiones de Claude Code, con un coste de unos 20.000 dólares en tarifas de API, produjeron un compilador en Rust de 100.000 líneas que compila un kernel Linux 6.9 arrancable en x86, ARM y RISC-V, según informó Ars Technica.
Cada instancia se ejecutaba en su propio contenedor Docker, reclamaba tareas escribiendo archivos de bloqueo y enviaba el trabajo al repositorio común, sin ningún agente de orquestación. Carlini descubrió que la salida detallada de las pruebas contaminaba la ventana de contexto, así que hizo que los ejecutores de pruebas imprimieran solo líneas de resumen. Un modo rápido muestreaba entre el 1 y el 10 % de las pruebas porque Claude no tiene noción del tiempo.
Cuando los 16 agentes se quedaron atascados en el mismo error del kernel, usó GCC como oráculo, compilando la mayoría de los archivos del kernel con GCC y solo algunos con el nuevo compilador, de modo que los agentes trabajaran en errores distintos.
Hay que invertir esfuerzo en el entorno: salida de pruebas silenciosa, pruebas muestreadas y un oráculo GCC para que cada agente corrija un error diferente.
La salida detallada hacía que los agentes perdieran el hilo, así que se mantuvo la salida breve.
El muestreo de pruebas evitó que los agentes pasaran horas sin avanzar.
Un compilador de referencia convirtió un único error compartido en muchas tareas separadas.
Una especificación bien definida, conjuntos de pruebas y un compilador de referencia hicieron que la tarea fuera inusualmente adecuada para agentes.
Con agentes autónomos, el arnés, el verificador y la higiene del contexto deciden el resultado tanto como el modelo.
El compilador supera el 99 % de la suite de pruebas de tortura de GCC y compiló proyectos como PostgreSQL, SQLite, Redis, FFmpeg y QEMU, y Doom. Ars Technica enumera algunas salvedades: recurre a GCC para el arranque de x86 de 16 bits, tiene un ensamblador y un enlazador con errores, produce código menos eficiente que GCC sin optimizar y se degradó alrededor de las 100.000 líneas. También señaló que los 20.000 dólares excluyen el entrenamiento y el andamiaje humano, y cuestionó la etiqueta de «sala limpia».
CONSULTA LAS PRUEBAS
Las fuentes
- Sixteen Claude AI agents working together created a new C compiler Ars Technica · arstechnica.com ·