Cómo 16 agentes de IA crearon un compilador C completo

¿Conoces esa sensación de asombro cuando algo que parecía imposible hace unos meses se convierte en realidad? Eso es exactamente lo que sentí al conocer el último experimento de Anthropic. La empresa acaba de demostrar hasta dónde puede llegar la IA cuando trabaja de forma colaborativa, y créeme, es bastante más lejos de lo que imaginábamos.

El ambicioso experimento: un equipo de IAs creando desde cero

Nicholas Carlini, investigador de Anthropic (y antiguo miembro de Google Brain y DeepMind), decidió poner a prueba las capacidades de la versión más avanzada de Claude, Opus 4.6, con un reto que hubiera sonado a ciencia ficción hace apenas unos años: crear un compilador de C completamente funcional.

Para lograrlo, desplegó 16 instancias independientes de Claude, cada una trabajando por su cuenta en un repositorio de código compartido. Lo fascinante es que no había ningún «agente jefe» coordinando: cada instancia identificaba por sí misma qué tarea abordar a continuación.

El resultado después de dos semanas y unos 20.000 dólares en costes de API: un compilador de 100.000 líneas en Rust capaz de construir un kernel Linux 6.9 para arquitecturas x86, ARM y RISC-V. Impresionante, ¿verdad?

Resultados que sorprenden incluso a los escépticos

Este compilador no es una simple demo. El código generado puede compilar proyectos importantes como PostgreSQL, SQLite, Redis, FFmpeg y QEMU. Incluso logró un 99% de éxito en la suite de pruebas de tortura de GCC, considerada el estándar de oro para compiladores.

Y como guinda del pastel, consiguió la prueba definitiva para cualquier desarrollador que se precie: compilar y ejecutar el clásico videojuego Doom. Si eso no te impresiona, probablemente nada en el mundo de la programación lo hará.

Las limitaciones reales tras los titulares

Antes de que empecemos a preocuparnos por nuestros trabajos como programadores, vamos a poner los pies en la tierra. Este compilador, aunque impresionante, tiene limitaciones importantes:

• Carece de un backend completo para x86 de 16 bits, necesario para arrancar Linux en modo real, así que debe recurrir a GCC en ese paso.
• Su ensamblador y enlazador tienen bugs significativos.
• Con todas las optimizaciones activadas, produce código menos eficiente que GCC con todas las optimizaciones desactivadas.
• La calidad del código Rust está lejos de lo que escribiría un programador experto.

Lo más revelador es que Carlini admite que este compilador «ha alcanzado casi los límites de las capacidades de Opus». Intentó corregir muchos de estos problemas sin éxito completo. Añadir nuevas funcionalidades o corregir bugs frecuentemente rompía la funcionalidad existente.

El techo de complejidad actual

Este patrón de deterioro de la coherencia en bases de código grandes es especialmente interesante. El modelo comenzó a encontrar dificultades al acercarse a las 100.000 líneas de código, lo que sugiere un límite práctico para la programación autónoma con los modelos actuales.

Es un recordatorio de que, por muy impresionantes que sean estas demostraciones, estamos ante herramientas con limitaciones definidas. La complejidad creciente sigue siendo un desafío tanto para humanos como para IAs.

El factor humano detrás de la automatización

Cuando escuchamos «16 agentes de IA crearon un compilador», es fácil imaginar un proceso completamente autónomo. La realidad es más matizada.

Anthropic describe el compilador como una «implementación clean-room» porque los agentes no tenían acceso a Internet. Sin embargo, el modelo subyacente fue entrenado con enormes cantidades de código público, casi con total seguridad incluyendo GCC, Clang y otros compiladores de C.

Los 20.000 dólares en costes de API también requieren contexto. Esta cifra no incluye los miles de millones invertidos en entrenar el modelo, ni el trabajo humano de Carlini para construir toda la infraestructura necesaria, ni las décadas de trabajo de ingenieros que crearon las suites de pruebas y las implementaciones de referencia.

La orquestación invisible

El papel de Carlini fue crucial y va mucho más allá de simplemente «dejar que la IA trabaje». Tuvo que construir entornos de prueba específicos, sistemas de integración continua y mecanismos de retroalimentación adaptados a las debilidades conocidas de los modelos de lenguaje.

Por ejemplo, descubrió que la salida detallada de las pruebas saturaba la ventana de contexto del modelo, haciéndole perder el hilo. Su solución fue diseñar ejecutores de pruebas que solo mostraran líneas de resumen, guardando los detalles en archivos separados.

También observó que Claude no tiene noción del tiempo y puede pasar horas ejecutando pruebas sin avanzar, así que implementó un «modo rápido» que muestrea solo entre el 1% y el 10% de los casos de prueba. Cuando los 16 agentes se estancaron intentando resolver el mismo bug del kernel de Linux simultáneamente, utilizó GCC como referencia, compilando aleatoriamente la mayoría de los archivos con GCC y solo un subconjunto con el compilador de Claude.

¿Qué significa realmente este avance?

Con todas sus limitaciones, lo que Anthropic ha conseguido sigue siendo notable. Hace solo un año, ningún modelo de lenguaje podría haber producido nada remotamente parecido a un compilador funcional multi-arquitectura, incluso con este nivel de supervisión y un presupuesto ilimitado.

La metodología de agentes paralelos coordinándose a través de Git con mínima supervisión humana es novedosa, y los trucos de ingeniería que Carlini desarrolló podrían representar contribuciones útiles para el uso más amplio de herramientas de desarrollo de software basadas en agentes.

El propio Carlini reconoce sentirse conflictuado sobre sus resultados: «Construir este compilador ha sido de las cosas más divertidas que he hecho recientemente, pero no esperaba que esto fuera posible tan pronto en 2026».

Implicaciones para el futuro del desarrollo de software

Este experimento plantea preguntas fascinantes sobre el futuro de la programación. No estamos ante una sustitución inminente de programadores humanos, sino ante una evolución en la forma en que interactuamos con el código.

Los detractores señalarán las limitaciones del compilador y el extenso trabajo humano necesario para hacerlo funcionar. Los entusiastas verán un avance fundamental en la capacidad de la IA para crear software complejo y funcional.

La verdad, como suele ocurrir, está en algún punto intermedio. Los modelos de IA están demostrando capacidades que eran impensables hace poco tiempo, pero siguen requiriendo una cuidadosa supervisión humana y encontrando límites claros de complejidad.

Lo que sí parece claro es que estamos presenciando cómo las herramientas de IA para codificación evolucionan de simples asistentes de autocompletado a colaboradores cada vez más capaces. Y eso, amigos, cambiará profundamente la forma en que desarrollamos software en los próximos años.