Dezesseis agentes Claude construíram um compilador C, guiados por harnesses de teste e um oráculo GCC

Em fevereiro de 2026, o pesquisador da Anthropic Nicholas Carlini descreveu ter colocado 16 instâncias do Claude Opus 4.6 soltas em uma base de código compartilhada para construir um compilador C do zero. Ao longo de duas semanas e quase 2.000 sessões do Claude Code, custando cerca de US$ 20.000 em taxas de API, elas produziram um compilador em Rust de 100.000 linhas que compila um kernel Linux 6.9 inicializável em x86, ARM e RISC-V, conforme relatado pelo Ars Technica.

Cada instância rodava em seu próprio contêiner Docker, reivindicava tarefas escrevendo arquivos de bloqueio e enviava o trabalho adiante, sem um agente de orquestração. Carlini descobriu que a saída verbosa dos testes poluía a janela de contexto, então fez com que os executores de teste imprimissem apenas linhas de resumo. Um modo rápido amostrava de 1 a 10% dos testes porque o Claude não tem noção de tempo.

Quando todos os 16 agentes ficaram presos no mesmo bug do kernel, ele usou o GCC como oráculo, compilando a maioria dos arquivos do kernel com o GCC e apenas alguns com o novo compilador, para que os agentes trabalhassem em bugs diferentes.

Invista esforço no ambiente: saída de teste silenciosa, testes amostrados e um oráculo GCC para que cada agente corrija um bug diferente.

A saída verbosa fazia os agentes perderem o rumo, então a saída foi mantida curta.

A amostragem de testes impediu que os agentes passassem horas sem progresso.

Um compilador de referência transformou um único bug compartilhado em muitas tarefas separadas.

Uma especificação bem definida, suítes de teste e um compilador de referência tornaram a tarefa excepcionalmente adequada para agentes.

Com agentes autônomos, o harness, o verificador e a higiene de contexto decidem o resultado tanto quanto o modelo.

O compilador passa em 99% da suíte de testes de tortura do GCC e compilou projetos como PostgreSQL, SQLite, Redis, FFmpeg e QEMU, e Doom. O Ars Technica lista ressalvas: ele chama o GCC para o boot x86 de 16 bits, tem um assembler e um linker com bugs, produz código menos eficiente que o GCC não otimizado e se degradou por volta das 100.000 linhas. Também observou que os US$ 20.000 excluem treinamento e andaimes humanos, e contestou o rótulo de 'sala limpa'.