Anthropic ускорила Claude втрое, поручив агентам тысячи измеримых улучшений
За две недели команда слила более 3 000 изменений без пользовательских сбоев и откатов.
В пике параллельно шло более 150 тредов, а четыре выбранных сценария покрывали 95% использования.
Свежая загрузка ускорилась с 3,1 до 0,55 секунды на 75-м перцентиле.
Новые бенчмарки сначала доказывали связь с пользовательским опытом, затем становились гейтами CI.
Почему важно
Когда эксперимент дешев, дефицитом становится не реализация улучшений, а выбор честной метрики, которую агент не сможет оптимизировать в ущерб пользователю.