Nicholas Carlini, Forscher im Safeguards-Team von Anthropic, leitete ein ambitioniertes Experiment: einen C-Compiler in Rust, der vollständig von Claude Opus 4.6-Agenten parallel gebaut wurde, ohne direkten menschlichen Eingriff in den Code.

Multi-Agenten-Architektur: 16 Claude-Instanzen arbeiteten gleichzeitig in isolierten Docker-Containern und teilten sich ein Upstream-Git-Repository. Jeder Agent wählt seine nächste Aufgabe autonom über ein Dateisperrensystem (File-Lock) aus. Die Synchronisation basiert auf Git: Ein Agent beansprucht eine Aufgabe, arbeitet daran, pusht seine Änderungen und wechselt dann zur nächsten. Eine explizite Kommunikation zwischen den Agenten ist nicht erforderlich.

Beeindruckende Ergebnisse: In rund 2.000 Claude Code-Sitzungen und bei API-Kosten von 20.000 Dollar (2 Milliarden Input-Token, 140 Millionen Output-Token) kompiliert der resultierende 100.000 Zeilen umfassende Compiler erfolgreich Linux 6.9 auf drei Architekturen (x86, ARM, RISC-V) sowie große Projekte wie QEMU, FFmpeg, SQLite, PostgreSQL, Redis und sogar Doom, mit 99 % Erfolgsquote bei Compiler-Testsuiten, einschließlich der GCC-Torture-Suite.

Design-Lektionen: Der Autor teilt vier zentrale Erkenntnisse. Erstens ist die Testqualität entscheidend, da die Agenten exakt das lösen, was spezifiziert ist. Zweitens muss man sich in Claude hineinversetzen: Jeder Agent betritt eine leere Umgebung ohne Kontext, was eine erschöpfende Dokumentation und minimale Ausgaben erfordert, um das Kontextfenster zu schonen. Drittens ist die Erleichterung der Parallelisierung essenziell: einfach, wenn viele unabhängige Tests fehlschlagen, doch die Kompilierung des Linux-Kernels stellte ein Problem dar, da alle Agenten dieselben Fehler behoben. Die Lösung: Verwendung von GCC als „Referenz-Orakel“, um die zu kompilierenden Dateien zufällig zu verteilen. Viertens maximiert die Spezialisierung der Agenten nach Rolle (Deduplizierung, Optimierung, Design-Review, Dokumentation) die Effizienz.

Modellentwicklung: Der Artikel dient auch als Fähigkeits-Benchmark. Opus 4 produzierte kaum einen funktionsfähigen Compiler, Opus 4.5 ermöglichte den ersten Compiler, der Testsuiten bestand, und Opus 4.6 verschiebt die Grenzen, indem er reale, groß angelegte Projekte kompiliert.

Sicherheitsbedenken: Der Autor merkt, gestützt auf seinen Hintergrund im Penetration Testing, an, dass das Bestehen von Tests keine Softwarekorrektheit garantiert. Der autonome Einsatz von Code, der nicht von Menschen überprüft wurde, stellt ein reales Risiko dar, das neue Sicherheitsstrategien erfordert. Der Quellcode ist auf GitHub verfügbar (anthropics/claudes-c-compiler).