Anthropic と OpenAI の両社が今週マルチエージェント ツールを出荷するなど、AI エージェントへの動きが強まる中、Anthropic はより大胆な AI コーディング実験のいくつかを披露する準備ができています。しかし、AI 関連の成果についての主張にはいつものように、この先にはいくつかの大きな警告があることがわかります。

木曜日、人類学の研究者であるニコラス・カルリーニ氏は、最小限の監視で共有コードベース上に同社のCloud Opus 4.6 AIモデルの16個のインスタンスをセットアップし、Cコンパイラをゼロから構築するタスクを課した方法を説明するブログ投稿を公開した。

約 20,000 ドルの API 料金をかけて 2 週間にわたって約 2,000 のクラウド コード セッションを実施し、AI モデル エージェントは、x86、ARM、RISC-V アーキテクチャ上でブート可能な Linux 6.9 カーネルを作成できる 100,000 行の Rust ベースのコンパイラを作成したと報告されています。

Anthropic の Safeguards チームの研究科学者である Carlini 氏は、以前 Google Brain と DeepMind で 7 年間勤務しており、Cloud Opus 4.6 で導入された「エージェント チーム」と呼ばれる新機能を使用しました。実際には、各クラウド インスタンスは独自の Docker コンテナ内で実行され、共有 Git リポジトリのクローンを作成し、ロック ファイルを作成してタスクを要求し、完成したコードを上流にプッシュしました。オーケストレーション エージェント向けのトラフィックはありません。各例は、さらに取り組む必要があると思われる最も明白な問題を個別に特定し、その解決を開始しました。マージ競合が発生すると、AI モデル インスタンスが自動的に競合を解決します。

Anthropic が GitHub でリリースしたコンパイラは、PostgreSQL、SQLite、Redis、FFmpeg、QEMU などの多くの主要なオープン ソース プロジェクトをコンパイルできます。コンパイルして実行すると、Carlini 氏が「開発者の究極のリトマス試験紙」と呼んだ GCC 拷問テスト スイートで 99% の合格率を達成しました。 黙示録。

C コンパイラが半自律型 AI モデルのコーディングに理想的な機能であることは注目に値します。仕様は数十年前のもので、明確に定義された包括的なテスト スイートがすでに存在し、それをチェックするための既知の優れたリファレンス コンパイラがあります。実際のソフトウェア プロジェクトのほとんどには、これらの利点はありません。ほとんどの開発で難しいのは、テストに合格するコードを書くことではありません。それは、そもそもテストが何であるべきかを理解することです。