16个Agent两周挑战37年GCC!Claude Opus 4.6首秀10万行编译器
Anthropic 发布了新一代旗舰模型 Claude Opus 4.6,并公开了一项极限工程挑战:由 1 名研究者与 16 个 AI 智能体组成的团队,在两周时间内从零用 Rust 编写了一个完整的 C 编译器。该项目累计运行近 2000 次 Claude Code 会话,产出约 10 万行代码,API 成本约 2 万美元。作为对比,GCC 编译器的开发始于 1987 年,历经 37 年投入数千名工程师。AI 编写的编译器已能通过 GCC 自身 99% 的 torture test,并成功编译 Linux 6.9 内核、FFmpeg、Redis 等大型项目,甚至运行 Doom 游戏。
01核心实验成果:编译器性能与能力边界
| 评估维度 | 具体表现 | 能力边界 |
|---|---|---|
| 代码规模 | 约 10 万行 Rust 代码 | Rust 代码质量尚可,但不及专家级水平 |
| 兼容性测试 | 通过 GCC 99% 的 torture test | 部分项目无法成功编译,不能完全替代真编译器 |
| 架构支持 | x86, ARM, RISC-V | 缺乏 16 位 x86 编译能力,需调用 GCC |
| 工具链完整性 | 能编译 Linux 6.9, FFmpeg, Redis 等 | 尚未拥有稳定可用的 assembler 与 linker |
| 运行效率 | 能成功运行 Doom | 生成代码效率低,低于无优化的 GCC 代码 |
Claude C 编译器核心能力评估
02模型能力升级:基准测试与长上下文
关键基准测试跑分对比
Claude Opus 4.6
终端 Agentic 编程:65.4%
Agentic search (BrowseComp):84.0%
OSWorld (电脑操作):72.7%
ARC-AGI-2 (新问题解决):68.8%


GPT-5.2 / Gemini 3 Pro
终端 Agentic 编程:GPT-5.2 为 64.7%
Agentic search:GPT-5.2 Pro 为 77.9%
OSWorld:Sonnet 4.5 为 61.4%
ARC-AGI-2:GPT-5.2 Pro 为 54.2%
除了跑分提升,Opus 4.6 重点解决了“上下文腐烂”问题。在 Beta 阶段提供 100 万 token 上下文窗口,并在 MRCR v2(8-needle、100 万 token)测试中得分 76%,远高于 Sonnet 4.5 的 18.5%。这表明模型在超长上下文中仍能稳定检索并利用信息,偏差更小,适合复杂代码分析与根因分析。
03技术实现:自治 Agent 团队架构
- 无限循环机制
构建 Bash 循环脚本,让 Claude 完成一个任务后立即进入下一个,无需等待人工指令,实现“自治”运行。 - 并行协作框架
利用 Docker 容器隔离环境,每个 Agent 拥有独立工作空间。通过 Git 同步机制和简单的文件锁(current_tasks/)避免冲突,实现多 Agent 并行推进。 - 专业化分工
不同 Agent 承担不同职责,如代码合并、性能优化、文档维护等,避免重复造轮子。针对 Linux 内核等高耦合任务,引入 GCC 作为对照编译器进行二分法调试。
04成本效益与工程总结
该项目总成本约 2 万美元,消耗约 20 亿输入 token 和 1.4 亿输出 token。尽管成本高昂,但远低于人类团队完成同等工作的投入。实验验证了长时间运行的自治 Agent 团队在工程实践中的可行性,同时也暴露了当前 AI 在处理极度耦合任务时仍需借助外部工具(如 GCC)的局限性。
当前文章无评论,是时候发表评论了