For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/es/articles/anthropic-scion-source-control-for-30-000-037c8176.md.
Generar más código no implica automáticamente entregar software más rápido. Cada cambio todavía debe pasar por el control de código fuente, ...
Generar más código no implica automáticamente entregar software más rápido. Cada cambio todavía debe pasar por el control de código fuente, la revisión, las compilaciones y las pruebas. A un volumen suficientemente alto, esa infraestructura se convierte en el factor limitante.
Anthropic afirma que sus cambios fusionados diariamente aumentaron de aproximadamente 2.500 en mayo de 2026 a más de 30.000 en septiembre. Para respaldar ese crecimiento, siete ingenieros crearon Scion, un sistema interno de control de versiones, junto con la herramienta de revisión Antique y otros servicios de soporte. El equipo migró su monorepo en cinco meses.
Gráfico de volumen de fusiones de Anthropic, reproducido en el informe de Xinzhiyuan/BAAI.
El control de versiones registra cambios y habilita operaciones como diferencias, atribución de líneas, fusiones y recuperación. Estas capacidades siguen siendo necesarias cuando un agente escribe los cambios. Lo que cambia es la frecuencia con que se solicitan y cuántos trabajos de corta duración necesitan acceder al código.
Anthropic describe un historial de la rama principal cercano a los 100 GB, una copia de trabajo comprimida que supera los 25 GB y aproximadamente 25 millones de checkouts de CI cada día. Descargar una copia de trabajo comprimida completa para cada checkout implicaría más de 600 PB de tráfico diario. Esto ilustra un enfoque ingenuo, no afirma que su red realmente transfiriera esa cantidad.
La empresa ya había utilizado clones superficiales, checkouts dispersos, remotos promisorios, semillas de repositorio y cientos de réplicas internas de Git. Estas medidas ayudaron, pero las réplicas y las instantáneas se volvieron más difíciles de mantener a medida que crecían el repositorio y la tasa de fusiones.
El informe proporcionado también describe un relato anterior de Anthropic sobre cargas de trabajo de CI que aumentaron 25 veces en seis meses. Indica que las correcciones temporales sucesivas para un servicio de selección de pruebas duraron 70 días, 29 días y menos de un día antes de que fuera necesario otro rediseño.
Según ese relato, un ingeniero dedicó tres semanas a reconstruir el servicio. El reemplazo costaba más de operar, pero escalaba de forma más predecible después de los ajustes. Esta es una historia de infraestructura distinta de Scion, y su comparación de costes no debe combinarse con los ahorros de Scion.
El problema de ingeniería común es sencillo: dividir el trabajo en más cambios y ejecutar agentes fuera del horario laboral habitual puede aumentar la carga de cada servicio posterior, incluso si cada cambio individual es pequeño.
Scion parte de la carga de trabajo particular de Anthropic: casi todos los clientes son agentes o trabajos en línea, y la organización ya opera en torno a un único repositorio autoritativo. Por ello, traslada una parte sustancial del trabajo a los servidores.
El servidor crea commits, calcula fusiones y rebases, y responde consultas del historial. Los clientes mantienen una caché de objetos acotada y obtienen los datos que necesitan. Los trabajos que solo requieren una diferencia o una consulta de ascendencia pueden llamar a una API sin hacer checkout de un repositorio en absoluto.
Este diseño también cambia la unidad de trabajo. Un conjunto de cambios de Scion registra los archivos modificados con respecto a su primer padre y punteros direccionados por contenido a los datos de los archivos. Los índices adicionales proporcionan operaciones como el historial de rutas y la atribución de líneas. Anthropic denomina a estos índices datos derivados y puede calcularlos de forma anticipada o bajo demanda.
Arquitectura de checkout de Anthropic, reproducida por Xinzhiyuan/BAAI.
La ruta de checkout cuenta con varias capas de caché. Un demonio a nivel de nodo comparte objetos entre trabajos; las cachés regionales sirven árboles y blobs; los servidores autoritativos consultan almacenamiento persistente cuando es necesario. Las solicitudes identifican objetos inmutables, por lo que las cachés pueden reutilizar respuestas sin negociar repetidamente una transferencia de repositorio de gran tamaño.
Anthropic afirma que cada nivel de caché supera una tasa de aciertos del 99 %. También aplica los límites entre niveles para evitar que un fallo de una caché regional sobrecargue el servicio ascendente.
| Resultado comunicado | Alcance de la comparación |
|---|---|
| Huella de CPU y memoria 200 veces menor | Infraestructura de Scion frente a la anterior infraestructura de réplicas de Git |
| Checkouts aproximadamente dos órdenes de magnitud más rápidos | Trabajos de CI e investigación en el entorno de Anthropic |
| Ganancia del 25 % en capacidad de CPU de CI | Capacidad recuperada dentro de la flota de CI de la empresa |
| Importador cuatro veces más rápido con 20 veces menos memoria | Una reescritura asistida por Claude frente al prototipo de ingestión anterior del equipo |
Estas son observaciones internas de una carga de trabajo inusualmente grande. No significan que toda la ingeniería se haya vuelto 200 veces más barata ni que un repositorio convencional vaya a obtener mejoras equivalentes.
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
El ejemplo del importador también tiene un contexto específico. Anthropic afirma que una instantánea interna temprana de Claude Mythos Preview reescribió su canalización de ingestión de Git a Scion mientras preservaba las restricciones requeridas de ordenamiento y estructuras de datos. Ese resultado describe una implementación concreta, no una evaluación comparativa de todos los usos del modelo.
Anthropic atribuye a Claude la aceleración de la implementación, las pruebas y la optimización. También subraya que los ingenieros necesitaban comprender cómo encajaban los sistemas y rechazar soluciones que violaran sus restricciones.
Un ejemplo implicaba agentes que leían linealmente los registros de commits para determinar cuándo un cambio llegaba a la rama principal, aunque el sistema de revisión ya exponía esa información. Otro implicaba comprobaciones defensivas excesivas entre servicios internos de confianza. Ambos casos podían producir código funcional mientras añadían costes o complejidad innecesarios.
Scion también se basa en trabajos anteriores de infraestructura para repositorios grandes, incluidos Piper de Google y Sapling y Mononoke de Meta. La publicación actualizada de Anthropic reconoce explícitamente esa trayectoria. Comparar los plazos de desarrollo sin comparar el alcance y las ideas heredadas pasaría por alto ese contexto.
Para otros equipos, el punto de partida útil es su cuello de botella real: tiempo de checkout, colas de revisión, selección de pruebas, conflictos de fusión u otro factor. Anthropic declara explícitamente que Scion se dirige a monorepos enormes y no es un reemplazo de propósito general para Git.
Scion es el sistema interno de control de código fuente de Anthropic para su gran monorepo y su carga de trabajo de desarrollo intensiva en agentes. Utiliza operaciones del lado del servidor y API para reducir la cantidad de datos del repositorio que necesita cada cliente.
El anuncio de ingeniería describe un sistema interno y no ofrece una descarga pública de uso general. Anthropic afirma que está diseñado para monorepos enormes, en lugar de para casos de uso habituales de Git.
La combinación de tamaño del repositorio, rápido crecimiento de fusiones y millones de checkouts diarios ejerció presión sobre su infraestructura Git existente. Scion asume clientes en línea y centraliza operaciones que, de otro modo, requerirían más datos locales o transferencias repetidas.
Anthropic afirma que un equipo de siete personas creó Scion, Antique y varios sistemas relacionados, y completó la migración en cinco meses. La afirmación cubre ese proyecto interno, cuyo diseño también se basa en investigaciones y sistemas anteriores de control de código fuente.
No. La cifra de 200 veces compara los requisitos de CPU y memoria de la infraestructura de control de código fuente con la configuración anterior de réplicas de Git. No es una medición del coste total de desarrollo de software.
Los ingenieros siguen definiendo restricciones, seleccionando arquitecturas, revisando cambios y gestionando las interacciones entre sistemas. Los ejemplos de Anthropic muestran por qué una implementación que parece plausible localmente todavía puede ser errónea para el servicio en su conjunto.
Scion aborda la presión de infraestructura creada por el volumen inusualmente alto de cambios de código en Anthropic. Las operaciones del lado del servidor, el acceso selectivo y las cachés por niveles reducen el trabajo repetido entre agentes y trabajos de CI.
Las mejoras comunicadas son específicas de ese entorno. La generación de código más rápida solo es útil cuando la revisión, las pruebas y el control de código fuente pueden gestionar la carga resultante.
Empieza con una sola frase y obtén un sitio completo en minutos.
