Seize agents Claude ont construit un compilateur C, pilotés par des harnais de test et un oracle GCC

En février 2026, le chercheur d'Anthropic Nicholas Carlini a décrit avoir lancé 16 instances de Claude Opus 4.6 sur une base de code partagée pour construire un compilateur C à partir de zéro. Sur deux semaines et près de 2 000 sessions Claude Code, pour un coût d'environ 20 000 $ en frais d'API, elles ont produit un compilateur Rust de 100 000 lignes qui construit un noyau Linux 6.9 amorçable sur x86, ARM et RISC-V, comme l'a rapporté Ars Technica.

Chaque instance s'exécutait dans son propre conteneur Docker, revendiquait des tâches en écrivant des fichiers de verrouillage et poussait son travail en amont, sans agent d'orchestration. Carlini a constaté que la sortie verbeuse des tests polluait la fenêtre de contexte, il a donc fait en sorte que les lanceurs de tests n'impriment que des lignes de résumé. Un mode rapide échantillonnait 1 à 10 % des tests, car Claude n'a pas la notion du temps.

Lorsque les 16 agents se sont retrouvés bloqués sur le même bogue du noyau, il a utilisé GCC comme oracle, en compilant la plupart des fichiers du noyau avec GCC et seulement certains avec le nouveau compilateur, afin que les agents travaillent sur des bogues différents.

Investir dans l'environnement : sortie de test silencieuse, tests échantillonnés et un oracle GCC pour que chaque agent corrige un bogue différent.

La sortie verbeuse faisait perdre le fil aux agents, la sortie a donc été gardée courte.

L'échantillonnage des tests a empêché les agents de passer des heures sans progrès.

Un compilateur de référence a transformé un bogue partagé en de nombreuses tâches distinctes.

Une spécification bien définie, des suites de tests et un compilateur de référence ont rendu la tâche exceptionnellement adaptée aux agents.

Avec des agents autonomes, le harnais, le vérificateur et l'hygiène du contexte décident du résultat autant que le modèle.

Le compilateur passe 99 % de la suite de tests de torture GCC et a compilé des projets tels que PostgreSQL, SQLite, Redis, FFmpeg et QEMU, ainsi que Doom. Ars Technica énumère des réserves : il appelle GCC pour l'amorçage x86 16 bits, son assembleur et son éditeur de liens sont bogués, il produit du code moins efficace que GCC non optimisé et s'est dégradé autour de 100 000 lignes. Il note aussi que les 20 000 $ excluent l'entraînement et l'échafaudage humain, et conteste l'étiquette « clean-room ».