Anthropic sta affrontando una vera e propria “inondazione” di codice generato dai suoi modelli Claude, tanto che la propria infrastruttura di codifica non riesce a tenere il passo. Questo fenomeno è un chiaro riflesso della crescente domanda nel settore della codifica con intelligenza artificiale e dell’importanza della gestione e del controllo del codice sorgente. Infatti, in un recente post sul blog, Microsoft GitHub ha attribuito i problemi di disponibilità avvenuti ad aprile a un aumento esponenziale di richieste di pull e commit, una situazione che è stata notata anche da ricercatori accademici.
Per Anthropic, la scrittura di codice non è più un collo di bottiglia per la produttività; il vero problema ora è gestire il codice una volta scritto, attraverso controlli di versione, sistemi di build e integrazione continua. Come ha dichiarato l’azienda in un post pubblicato martedì, “A maggio 2026, Anthropic ha mediamente unito circa 2.500 modifiche al giorno; a settembre, questo numero è salito a oltre 30.000 al giorno”. L’azienda si aspetta che questo tasso di crescita continui a increscere, evidenziando una domanda latente per la fusione di codice che è praticamente infinita. Ogni volta che un collo di bottiglia viene rimosso, si traduce in un immediato incremento della produzione di codice.
In risposta a questi crescenti volumi di codice, Anthropic ha sviluppato un sistema di controllo versione fatto in casa, chiamato Scion, un approccio monorepo simile a quello di Subversion, il sistema centrale di controllo della versione di Apache. Non è la prima volta che un’organizzazione guarda oltre l’architettura distribuita di Git verso un controllo centralizzato. Google utilizza Piper, un sistema monorepo, e Microsoft ha introdotto il Virtual File System per Git, che affronta alcuni problemi di scalabilità di Git. Anche Meta ha sviluppato Sapling.
Attraverso la codifica, Claude non solo ha contribuito a creare la situazione ma ha anche offerto una soluzione. Oltre a Scion, Anthropic ha sviluppato Antique, un’interfaccia di revisione del codice, uno strumento di ricerca per codice e un sistema IAM per il controllo della sorgente. Nonostante la decentralizzazione di Git sia la scelta giusta per la maggior parte dei repository, Anthropic deve affrontare sfide uniche: il principale branch dell’azienda pesa circa 100 GB, con una copia di lavoro compressa superiore ai 25 GB. Questo porta a eseguire circa 25 milioni di checkout di codice al giorno per integrazione continua, il che significherebbe, se gestito in modo naive, oltre 600 PB di traffico Git al giorno.
Scion è stato progettato per soddisfare le esigenze degli agenti AI, delegando gran parte del lavoro al server e riducendo la necessità di sincronizzazione, ma aumentando la necessità di velocità del server. “In Scion, l’unità di lavoro è un ‘changeset’, un’entrata in un log a scrittura preventivata,” spiega Anthropic. “Un changeset memorizza la maggior parte di ciò che ci si aspetta da un commit in Git, ma a differenza di un commit in Git, un changeset memorizza un elenco dei file che sono stati modificati rispetto al suo primo genitore, insieme a puntatori indirizzati dal contenuto nella memorizzazione dei blob.”
Lo sviluppo di Scion è iniziato a gennaio; quando il modello Claude Mythos Preview è diventato disponibile internamente, gli sviluppatori di Anthropic hanno chiesto al modello di riscrivere una pipeline di ingestione dal formato Git a Scion. Il modello ha prodotto una versione che utilizzava 20 volte meno memoria e funzionava quattro volte più velocemente. Con fondi di rischio abbondanti, questa spesa mirata appare sensata.
Gli sviluppatori di Anthropic non si sentono minacciati dal loro stesso modello AI. Secondo l’azienda, gli ingegneri che hanno lavorato su Scion convengono che Claude scrive codice migliore di loro, ma mantengono una comprensione di livello superiore che consente loro di svolgere un ruolo critico nel dire “no” al modello. “Spesso abbiamo scoperto che il compito degli ingegneri era dire a Claude di ‘no’,” ha dichiarato Anthropic, aggiungendo che gli agenti a volte violano i vincoli di sistema fondamentali per soddisfare un modello che non dovrebbe in effetti essere permesso.
Anthropic sottolinea che il proprio sistema non è adatto per l’uso generale e non sarà reso disponibile come open source. Tuttavia, l’azienda ritiene che i problemi di scalabilità del codice che ha affrontato diventeranno comuni per molte altre organizzazioni nei prossimi mesi, ed è per questo che ha deciso di condividere il proprio approccio.
