$20,000. 2 semanas. 16 agentes Claude. El primer compilador de C de Anthropic creado por IA

El video comienza detallando la hazaña de Anthropic: el despliegue de 16 agentes Claude para construir un compilador de C en solo 14 días. Este sistema utilizó contenedores Docker y un repositorio central denominado "Upstream" para gestionar el flujo de trabajo distribuido. El narrador explica que cada agente operaba de forma aislada para no interferir con el progreso de los demás, utilizando Claude Code para resolver conflictos de fusión automáticamente. Esta sección es fundamental para entender la escala técnica y el costo de 20,000 dólares invertidos en potencia de cómputo. La introducción también plantea la duda sobre si los resultados son genuinos o simplemente una estrategia de marketing engañosa.

En esta etapa se profundiza en la logística operativa diseñada por Nicholas Carlini para mantener la productividad de los agentes. Se introdujo un bucle tipo "Ralph" donde los agentes tomaban tareas de una lista, las completaban y reiniciaban sesiones para evitar la degradación del contexto. Para prevenir que varios agentes trabajaran en lo mismo, se implementó un sistema de bloqueo basado en la creación de archivos de texto específicos en el repositorio. Si un agente intentaba subir una tarea ya ocupada, el sistema de Git rechazaba el cambio, obligándolo a buscar un nuevo objetivo. Este método garantizó una resistencia y autonomía operativa sin precedentes en modelos de lenguaje de gran tamaño.

El análisis se centra aquí en cómo Carlini evitó que Claude rompiera funciones previamente validadas mediante un entorno de pruebas de alta calidad. Se integraron suites de tests de proyectos reconocidos como SQLite y Redis, pero filtrando los logs para no saturar el contexto del modelo. La innovación principal fue la bandera de "vía rápida", que permitía a cada agente correr solo una fracción aleatoria de los miles de tests disponibles. Al usar una semilla determinista, los agentes cubrían colectivamente el 160% de la suite total de pruebas en una fracción del tiempo habitual. Esta optimización fue clave para mantener un ritmo de desarrollo constante sin desperdiciar recursos en ejecuciones redundantes.

Esta sección aborda uno de los puntos más polémicos del experimento: la integración de GCC como referencia externa. Cuando la compilación del kernel de Linux se volvió demasiado compleja para los agentes individuales, Nick decidió que Claude compilaría solo ciertas partes mientras GCC manejaba el resto. Al tratar a GCC como un "oráculo", los agentes podían identificar con precisión si un fallo provenía de su propio código o del entorno externo. Aunque fue una solución ingeniosa para avanzar en el proyecto, genera dudas sobre la pureza de la creación desde cero. El narrador destaca que este método permitió corregir errores específicos sin que los agentes pisaran el trabajo de sus compañeros de equipo.

El tramo final del video discute la importancia de asignar roles específicos como optimizadores de rendimiento o críticos de diseño basados en Rust. También se destaca el uso de archivos "readme" actualizados para proporcionar una memoria persistente a las nuevas sesiones de los agentes. Sin embargo, el autor concluye que Anthropic "hizo trampa" parcialmente al depender de la estructura y lógica de compiladores existentes y una supervisión humana constante. El compilador resultante mostró ser menos eficiente que GCC y requirió herramientas de terceros para tareas críticas como el enlazado. En última instancia, el experimento demuestra el potencial de la IA colaborativa, pero confirma que la autonomía total en tareas de ingeniería compleja aún no se ha alcanzado.