Claude escreve 80% do código e CI da Anthropic cresce 25x

A Anthropic publicou em 14 de setembro de 2026 um post de engenharia sobre um efeito colateral pouco comentado da programação com agentes: a integração contínua não aguenta. Os números da própria casa dão a dimensão — os jobs de CI da empresa cresceram 25 vezes em seis meses.

O gatilho é conhecido. Os engenheiros da Anthropic passaram a entregar 8 vezes mais código por trimestre do que entregavam no período de 2021 a 2025, e o Claude é o autor de 80% desse código. Em maio de 2026, mais de 80% do código integrado à base de produção havia sido escrito pelo modelo, contra algo na casa de um dígito baixo quando o Claude Code foi lançado, em fevereiro de 2025. O número de testes na base cresceu 10 vezes, com aumento apenas marginal no time de engenharia.

O serviço que quebrou três vezes

O ponto de ruptura foi a análise de impacto de testes — o serviço que decide quais testes precisam rodar a cada alteração de código. Em vez de rodar a suíte inteira a cada commit, ele calcula o subconjunto afetado. Com 10 vezes mais testes e 25 vezes mais jobs, o cálculo virou o gargalo.

A sequência de remendos descrita no post é o retrato do problema. O primeiro, dobrar os núcleos do servidor, segurou 70 dias. O segundo, fatiar o serviço por pacote, segurou 29 dias. O terceiro, reiniciar o serviço diariamente, durou menos de um dia.

O desenho original era um singleton — uma instância única guardando estado na memória. Nenhum ajuste de capacidade resolve crescimento exponencial nessa arquitetura, porque não há como distribuir a carga.

A correção e a lição

A solução definitiva foi tirar o estado de dentro do processo e colocá-lo em armazenamento externo, tornando o serviço sem estado e escalável horizontalmente. Com isso, atender mais carga vira uma questão de subir mais instâncias.

O detalhe que fecha a história: o redesenho, estimado em três semanas, foi tocado por um único engenheiro — bem mais rápido do que um trabalho equivalente levaria antes, justamente por causa das mesmas ferramentas de agente que criaram o problema.

A lição que a Anthropic tira para quem está adotando agentes de código é prática e desconfortável: ao planejar infraestrutura de desenvolvimento, conte com um crescimento de 25 vezes na carga dentro de dois trimestres. Pipelines dimensionados para o volume humano de commits não sobrevivem a um time em que a máquina escreve a maior parte do código.

Para times menores, a tradução é direta. Antes de ligar agentes de programação na rotina, vale olhar onde o CI tem componente único guardando estado, quanto custa o minuto de runner e se a suíte de testes tem seleção por impacto. O gargalo raramente é o modelo — é o que vem depois do commit.

Fontes: Blog da Anthropic · Analytics India Magazine