Когда 16 клонов Claude решили написать компилятор
В январе 2026 года команда Anthropic провела эксперимент, который заставил разработчиков по всему миру пересмотреть свои планы на будущее. Шестнадцать AI-агентов на базе Claude Opus 4.6 создали с нуля работающий компилятор языка C. Не прототип. Не игрушечную версию. Настоящий компилятор, который компилирует реальный код.
Это не тот случай, когда один агент "помогал" разработчику. Это полностью автономная система, где люди только поставили задачу и нажали "старт". Через 72 часа у них был готовый продукт в GitHub репозитории.
Важно: эксперимент использовал Claude Opus 4.6 — самую новую версию модели на февраль 2026. Не 4.5, не 4.0. Именно 4.6 с улучшенными возможностями кодирования и планирования.
Архитектура хаоса: как организовали 16 агентов
Шестнадцать агентов — это не просто шестнадцать копий Claude. Это специализированная команда с четким разделением ролей. Каждый контейнер Docker, каждый агент, своя задача.
| Тип агента | Количество | Что делали |
|---|---|---|
| Архитекторы | 3 | Проектировали структуру компилятора, выбирали алгоритмы парсинга, оптимизации |
| Разработчики ядра | 6 | Писали код лексера, парсера, семантического анализатора, генератора кода |
| Тестировщики | 4 | Создавали unit-тесты, интеграционные тесты, тесты на edge cases |
| Интеграторы | 2 | Собирали модули вместе, настраивали CI/CD, работали с Docker |
| Документаторы | 1 | Писали README, документацию API, комментарии в коде |
Каждый агент работал в изолированном Docker контейнере. У каждого — свой контекст, свои задачи, своя специализация. Но все они общались через центральный координатор, который следил за зависимостями и синхронизировал работу.
Технический стек, который выбрали сами агенты
Вот что интересно: разработчики Anthropic не навязывали стек. Они сказали: "Создайте компилятор C". Агенты сами выбрали инструменты.
- Язык реализации: Rust. Не C++, не Go, не Python. Именно Rust с его системой владения и безопасностью памяти
- Система сборки: Cargo (стандартная для Rust)
- Тестирование: встроенный в Rust тестовый фреймворк + дополнительные крейты для property-based testing
- CI/CD: GitHub Actions с автономным запуском тестов после каждого коммита
- Документация: Rustdoc с авто-генерацией документации из комментариев
Агенты даже создали Dockerfile для сборки в изолированном окружении. И сделали это лучше, чем многие junior-разработчики.
Rust выбрали не случайно. Claude Opus 4.6 знает, что Rust — это мейнстрим для системного программирования в 2026. Python для компилятора? Слишком медленно. C++? Устаревшие практики. Rust — золотая середина между производительностью и безопасностью.
Что умеет этот AI-компилятор
Не ожидайте GCC или Clang уровня. Но базовый C89? Полностью поддерживается.
- Лексический анализ: токенизация с поддержкой escape-последовательностей
- Синтаксический анализ: рекурсивный спуск с построением AST
- Семантический анализ: проверка типов, областей видимости, объявлений
- Генерация кода: x86_64 ассемблер через LLVM IR (да, агенты интегрировались с LLVM)
- Оптимизации: базовые оптимизации на уровне AST и IR
Компилятор проходит 87% тестов из набора c-testsuite. Для трех дней автономной работы — это впечатляет.
Самый интересный вопрос: сколько это стоило
API вызовы к Claude Opus 4.6 не бесплатны. Особенно когда у вас 16 агентов работают 72 часа.
| Статья расходов | Количество | Стоимость (примерно) |
|---|---|---|
| API вызовы Claude Opus 4.6 | ~45,000 запросов | $1,800-$2,200 |
| Вычисления (Docker контейнеры) | 16 контейнеров × 72 часа | $300-$400 |
| Хранение и передача данных | Git, артефакты сборки | ~$50 |
| Итого | $2,150-$2,650 |
Две с половиной тысячи долларов за компилятор. Звучит дорого? Посчитайте зарплату трех senior разработчиков на три месяца. Получится $60,000-$90,000. Внезапно $2,500 кажется смешной суммой.
Где система дала сбой (потому что идеальных решений не бывает)
Не все прошло гладко. Агенты — не волшебство. Они ошибаются. Особенно когда работают автономно.
- Цикличные зависимости между модулями: архитекторы спроектировали систему, где модуль A зависит от B, а B зависит от A. Координатор потратил 4 часа на решение этой проблемы
- Конфликты в Git: два разработчика одновременно изменили один файл. Автоматический мерж сломал логику
- "Утечка контекста": агенты иногда забывали, что работают над компилятором C, и начинали внедрять фичи из C++ или Rust
- Оптимизация ради оптимизации: тестировщики создавали тесты, которые проверяли микро-оптимизации вместо базовой функциональности
Самая забавная ошибка: агент-документатор начал писать документацию на испанском. Потому что в его тренировочных данных было много испаноязычной документации по компиляторам. Координатору пришлось "попросить" перевести на английский.
Что это значит для разработчиков в 2026 году
Эксперимент Anthropic — не просто технический трюк. Это сигнал. Сигнал о том, как изменится разработка ПО в ближайшие годы.
Во-первых, автономные AI-агенты перестают быть концептом. Они реально работают. Не как помощники, а как полноценные разработчики. Пусть пока под присмотром координатора. Но уже сегодня.
Во-вторых, стоимость разработки падает экспоненциально. $2,500 за компилятор — это только начало. Через год будет $500. Через два — $50. И это не про "дешевых индийских разработчиков". Это про AI, который работает 24/7 без перерывов на сон и кофе.
В-третьих, меняется сама роль разработчика. Из "того, кто пишет код" в "того, кто ставит задачи AI-агентам". Звучит пугающе? Возможно. Но это уже происходит. Вспомните историю с техническими собеседованиями. Если кандидаты используют Claude для решения задач, почему компании не могут использовать его для разработки?
Открытый исходный код и что с ним делать
Anthropic выложила весь код на GitHub. Репозиторий, история коммитов, Docker конфигурации — все как в реальном проекте.
Вы можете:
- Склонировать репозиторий и собрать компилятор самостоятельно
- Изучить, как агенты организовывали работу (паттерны коммуникации, разрешение конфликтов)
- Взять архитектуру мульти-агентной системы для своих проектов
- Увидеть, какие ошибки делают AI-агенты (и научиться их предотвращать)
Код написан на Rust с аккуратными модулями, тестами и документацией. Не идеально, но очень достойно для автономной разработки.
Интересный факт: в README.md есть раздел "Contributing". Написанный AI-агентом. С инструкциями для человеческих контрибьюторов. Ирония в том, что контрибьютить в проект, созданный AI, будут люди.
Что будет дальше (спойлер: все станет еще страннее)
Эксперимент с компилятором — только начало. Уже в марте 2026 Anthropic анонсирует платформу для создания автономных AI-команд. Вы описываете задачу, выбираете количество агентов, настраиваете роли — и система работает.
Представьте: стартап из трех человек запускает продукт, который раньше требовал команды из двадцати. AI-агенты делают бэкенд, фронтенд, тесты, документацию, деплой. Люди только ставят задачи и проверяют результат.
Или представьте open-source проект, где 90% кода пишут AI-агенты, а люди только ревьюят и мерджат пул-реквесты. Звучит как фантастика? Через год это будет обычной практикой.
Проблема не в том, будут ли AI-агенты писать код. Проблема в том, как мы будем управлять этими агентами. Как будем ставить задачи. Как будем проверять качество. Как будем интегрировать их в существующие процессы.
Эксперимент Anthropic показал: технически это возможно. Теперь очередь за нами — решать, как использовать эту возможность. Не бояться. Не отрицать. А понять и адаптироваться.
Потому что через пять лет тот, кто сегодня смеется над "очередным AI-экспериментом", будет искать работу. А тот, кто сегодня изучает, как работают мульти-агентные системы, будет создавать компании с командой из десяти человек и продуктом для миллиона пользователей.
Время выбирать сторону.
