16体のClaudeエージェントがテストハーネスとGCCオラクルに導かれてCコンパイラを構築

2026年2月、Anthropicの研究者Nicholas Carliniは、16体のClaude Opus 4.6インスタンスを共有コードベース上で自由に動かし、Cコンパイラをゼロから構築させたと述べた。2週間と約2,000回のClaude Codeセッションにわたり、API費用は約2万ドルで、x86、ARM、RISC-V上で起動可能なLinux 6.9カーネルをビルドする10万行のRustコンパイラを生成したとArs Technicaが報じた。

各インスタンスは独自のDockerコンテナ内で動作し、ロックファイルを書き込むことでタスクを確保して作業を上流にプッシュした。オーケストレーションエージェントは存在しなかった。Carliniは、冗長なテスト出力がコンテキストウィンドウを汚染することに気づき、テストランナーが要約行のみを出力するようにした。Claudeには時間の感覚がないため、高速モードではテストの1〜10%をサンプリングした。

16体のエージェントすべてが同じカーネルのバグで行き詰まったとき、彼はGCCをオラクルとして用い、カーネルファイルの大部分をGCCでコンパイルし、一部のみを新しいコンパイラでコンパイルすることで、エージェントが異なるバグに取り組めるようにした。

環境に力を注ぐこと：静かなテスト出力、サンプリングされたテスト、そして各エージェントが異なるバグを修正できるようにするGCCオラクル。

冗長な出力はエージェントを混乱させたため、出力は短く保たれた。

テストのサンプリングにより、エージェントが進展なく何時間も費やすことを防いだ。

リファレンスコンパイラにより、1つの共有バグが多数の個別タスクに変わった。

明確に定義された仕様、テストスイート、リファレンスコンパイラにより、このタスクはエージェントに極めて適したものになった。

自律エージェントでは、ハーネス、検証器、コンテキストの衛生管理が、モデルと同程度に結果を左右する。

このコンパイラはGCCのtortureテストスイートの99%に合格し、PostgreSQL、SQLite、Redis、FFmpeg、QEMU、そしてDoomなどのプロジェクトをコンパイルした。Ars Technicaはいくつかの注意点を挙げている。16ビットx86ブートではGCCを呼び出すこと、アセンブラとリンカにバグがあること、最適化されていないGCCよりも効率の低いコードを生成すること、約10万行付近で性能が低下したことである。また、2万ドルにはトレーニングと人的足場が含まれていないこと、そして「クリーンルーム」というレッテルに異議を唱えていることにも言及した。