Spring til artiklen
nyhederModellanceringer
← Tilbage til nyhederne
Forskning · Simon Willison AI · 13.10.2026 · 2 min. læsning

Anthropic dropper Git: 30.000 ændringer om dagen

The warm terracotta-orange Anthropic asterisk starburst mark sits on a thick solid server blade, beside a towering stack of dense code-merge layers representing 30,000 daily change

Efter at have passeret 30.000 daglige kodeændringer byggede syv ansatte Scion og Antique – Anthropics egne afløsere for Git og code review.

Anthropic fletter tolv gange så meget kode

I maj 2026 flettede Anthropic i gennemsnit omkring 2.500 kodeændringer ind i deres fælles kodebase om dagen. I september var tallet over 30.000. Det er godt tolv gange så mange, og ifølge Anthropics eget indlæg er det den udvikling, der fik dem til at bygge et alternativ til Git.

Simon Willison har i sit linkindlæg tilføjet markører for offentlige modeludgivelser i diagrammet. Hans gæt er, at nye modeller i Fable/Mythos-klassen er en væsentlig årsag til den øgede kodehastighed. Markørerne viser offentlige udgivelsesdatoer, ikke hvornår modellerne blev taget i brug internt.

Kodeændringer flettet per dag i maj 2026, Anthropics gennemsnit
cirka 2.500
Kodeændringer flettet per dag i september 2026
over 30.000
Historik for hovedgrenen alene
næsten 100 GB

Scion skal klare 25 millioner udtjekninger

Det nye kildekodesystem hedder Scion, og code review-systemet hedder Antique. Ifølge Simon Willison lyder Scion som en genopfindelse af centraliseret kildekodehåndtering i stil med Subversion.

Anthropics krav var ekstreme: historikken for hovedgrenen alene fylder næsten 100 GB, og en komprimeret arbejdskopi er over 25 GB. De udfører omkring 25 millioner kodeudtjekninger om dagen til CI – automatisk testkørsel – før man tæller udviklermiljøer, agent-sandkasser og forskningsjob med. Hentet naivt ville det give over 600 PB Git-trafik om dagen.

Syv personer bag Git-afløseren

Systemet blev bygget af et team på syv personer, og migreringen væk fra Git var færdig på fem måneder.

Anthropic bruger også i udstrakt grad adversariel review, hvor en model leder efter fejl i koden. Ifølge indlægget er metoden effektiv, men kan være nærsynet: dygtige ingeniører måtte styre Claude væk fra at overbygge dele af systemet for at imødegå hypotetiske problemer.

Flere detaljer
Derfor er det interessantAnthropic viser, at kodeværktøjer dimensioneret efter menneskelig hastighed kan blive flaskehalsen, når AI skriver en stor del af ændringerne.

Kilder:
Simon Willison AI →

Læs dagens AI-nyheder på letlæst dansk →

Genfortalt i egne ord af AI-nyheder.com · AI-genereret illustration · Tjek altid originalkilden, før du handler på vigtige oplysninger.