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/fr/articles/anthropic-scion-source-control-for-30-000-037c8176.md.
Générer davantage de code ne signifie pas automatiquement livrer des logiciels plus vite. Chaque modification doit toujours passer par le co...
Générer davantage de code ne signifie pas automatiquement livrer des logiciels plus vite. Chaque modification doit toujours passer par le contrôle de code source, la revue, les builds et les tests. À un volume suffisamment élevé, cette infrastructure devient le facteur limitant.
Anthropic indique que son nombre quotidien de modifications fusionnées est passé d’environ 2 500 en mai 2026 à plus de 30 000 en septembre. Pour soutenir cette croissance, sept ingénieurs ont développé Scion, un système interne de contrôle de versions, ainsi que l’outil de revue Antique et d’autres services de support. L’équipe a migré son monorepo en cinq mois.
Graphique du volume de fusions d’Anthropic, reproduit dans le rapport de Xinzhiyuan/BAAI.
Le contrôle de versions enregistre les modifications et permet des opérations telles que les diffs, le blame, les fusions et la récupération. Ces capacités restent nécessaires lorsqu’un agent écrit les modifications. Ce qui change est la fréquence à laquelle elles sont demandées et le nombre de tâches éphémères qui ont besoin d’accéder au code.
Anthropic décrit un historique de la branche principale approchant 100 Go, une copie de travail compressée dépassant 25 Go et environ 25 millions de checkouts CI par jour. Télécharger une copie de travail compressée complète pour chaque checkout impliquerait plus de 600 Po de trafic quotidien. Il s’agit d’une illustration d’une approche naïve, et non d’une affirmation selon laquelle son réseau transférait réellement ce volume.
L’entreprise utilisait déjà des clones superficiels, des checkouts clairsemés, des remotes promisor, des seeds de dépôt et des centaines de miroirs Git internes. Ces mesures ont aidé, mais les miroirs et snapshots sont devenus plus difficiles à maintenir à mesure que le dépôt et le rythme de fusion grandissaient.
Le rapport fourni décrit également un récit antérieur d’Anthropic, selon lequel les charges de travail CI ont été multipliées par 25 en six mois. Il indique que des correctifs temporaires successifs apportés à un service de sélection des tests ont tenu 70 jours, 29 jours, puis moins d’une journée avant qu’une nouvelle refonte ne devienne nécessaire.
Selon ce récit, un ingénieur a passé trois semaines à reconstruire le service. Son remplacement coûtait davantage à exploiter, mais a évolué de façon plus prévisible après réglage. Il s’agit d’une histoire d’infrastructure distincte de Scion, et sa comparaison de coûts ne doit pas être combinée avec les économies associées à Scion.
Le problème d’ingénierie commun est simple : répartir le travail en un plus grand nombre de modifications et exécuter des agents en dehors des horaires habituels peut augmenter la charge de chaque service en aval, même si chaque modification individuelle est petite.
Scion part de la charge de travail particulière d’Anthropic : presque tous les clients sont des agents ou des tâches en ligne, et l’organisation travaille déjà autour d’un dépôt faisant autorité. Il transfère donc une partie importante du travail vers les serveurs.
Le serveur crée les commits, calcule les fusions et les rebases, et répond aux requêtes sur l’historique. Les clients conservent un cache d’objets borné et récupèrent les données dont ils ont besoin. Les tâches qui ont seulement besoin d’un diff ou d’une requête d’ascendance peuvent appeler une API sans effectuer de checkout du dépôt.
Cette conception modifie également l’unité de travail. Un changeset Scion enregistre les fichiers modifiés par rapport à son premier parent et des pointeurs adressés par contenu vers les données de fichiers. Des index supplémentaires permettent des opérations telles que l’historique par chemin et le blame. Anthropic appelle ces index des données dérivées et peut les calculer à l’avance ou à la demande.
Architecture de checkout d’Anthropic, reproduite par Xinzhiyuan/BAAI.
Le chemin de checkout comporte plusieurs couches de cache. Un démon au niveau du nœud partage les objets entre les tâches ; des caches régionaux servent les arbres et les blobs ; des serveurs faisant autorité consultent le stockage persistant lorsque cela est nécessaire. Les requêtes identifient des objets immuables, de sorte que les caches peuvent réutiliser les réponses sans négocier à répétition un transfert de dépôt volumineux.
Anthropic indique que chaque niveau de cache dépasse un taux de réussite de 99 %. L’entreprise applique également les limites entre les niveaux afin d’éviter qu’une défaillance d’un cache régional ne surcharge le service en amont.
| Résultat rapporté | Périmètre de la comparaison |
|---|---|
| Empreinte CPU et mémoire 200 fois plus faible | Infrastructure Scion comparée à l’ancienne infrastructure de miroirs Git |
| Checkouts environ deux ordres de grandeur plus rapides | Tâches CI et de recherche dans l’environnement d’Anthropic |
| Gain de 25 % de capacité CPU CI | Capacité récupérée au sein de la flotte CI de l’entreprise |
| Importateur quatre fois plus rapide avec 20 fois moins de mémoire | Réécriture assistée par Claude comparée au prototype d’ingestion antérieur de l’équipe |
Il s’agit d’observations internes issues d’une charge de travail exceptionnellement grande. Elles ne signifient pas que toute l’ingénierie est devenue 200 fois moins coûteuse ou qu’un dépôt ordinaire obtiendrait des améliorations équivalentes.
Decrivez votre idee une fois, et We0 AI peut generer un site vitrine, des pages et un CMS, puis vous aider a attirer clients et trafic apres le lancement.
Une génération de projet complète pour une inscription gratuite
Idéal pour essayer un flux de génération complet et voir rapidement une première ébauche de projet.
L’exemple de l’importateur s’inscrit également dans un contexte précis. Anthropic indique qu’un premier snapshot interne de Claude Mythos Preview a réécrit son pipeline d’ingestion Git-vers-Scion tout en préservant les contraintes requises d’ordre et de structure de données. Ce résultat décrit une implémentation particulière, plutôt qu’un benchmark de tous les usages du modèle.
Anthropic attribue à Claude l’accélération de l’implémentation, des tests et de l’optimisation. L’entreprise souligne également que les ingénieurs devaient comprendre comment les systèmes s’articulaient et rejeter les solutions qui enfreignaient leurs contraintes.
Un exemple concernait des agents qui lisaient linéairement les journaux de commits afin de déterminer à quel moment une modification atteignait la branche principale, alors que le système de revue exposait déjà cette information. Un autre concernait un excès de vérifications défensives entre des services internes de confiance. Dans les deux cas, le code pouvait fonctionner tout en ajoutant des coûts ou une complexité inutiles.
Scion s’appuie également sur des travaux antérieurs d’infrastructure pour les grands dépôts, notamment Piper de Google, ainsi que Sapling et Mononoke de Meta. Le billet mis à jour d’Anthropic reconnaît explicitement cet historique. Comparer les délais de développement sans comparer le périmètre et les idées héritées manquerait ce contexte.
Pour les autres équipes, le bon point de départ est leur goulot d’étranglement réel : durée des checkouts, files d’attente de revue, sélection des tests, conflits de fusion ou autre problème. Anthropic indique explicitement que Scion cible les monorepos énormes et ne constitue pas un remplacement généraliste de Git.
Scion est le système interne de contrôle de code source d’Anthropic pour son grand monorepo et sa charge de développement intensive en agents. Il utilise des opérations côté serveur et des API afin de réduire la quantité de données du dépôt dont chaque client a besoin.
L’annonce technique décrit un système interne et ne propose pas de téléchargement public généraliste. Anthropic indique qu’il est conçu pour des monorepos énormes plutôt que pour des cas d’usage Git ordinaires.
La combinaison de la taille du dépôt, de l’augmentation rapide des fusions et de millions de checkouts quotidiens a mis sous tension son infrastructure Git existante. Scion suppose que les clients sont en ligne et centralise des opérations qui nécessiteraient autrement davantage de données locales ou de transferts répétés.
Anthropic indique qu’une équipe de sept personnes a développé Scion, Antique et plusieurs systèmes associés, puis finalisé la migration en cinq mois. Cette affirmation couvre ce projet interne, dont la conception s’appuie également sur des recherches et systèmes antérieurs de contrôle de code source.
Non. Le chiffre de 200 fois compare les besoins en CPU et en mémoire de l’infrastructure de contrôle de code source avec l’ancienne configuration de miroirs Git. Il ne s’agit pas d’une mesure du coût total du développement logiciel.
Les ingénieurs définissent toujours les contraintes, sélectionnent les architectures, examinent les modifications et gèrent les interactions entre les systèmes. Les exemples d’Anthropic montrent pourquoi une implémentation localement plausible peut rester erronée à l’échelle d’un service plus vaste.
Scion répond à la pression d’infrastructure créée par le volume exceptionnellement élevé de modifications de code chez Anthropic. Les opérations côté serveur, l’accès parcimonieux et les caches à niveaux réduisent le travail répété entre les agents et les tâches CI.
Les gains rapportés sont propres à cet environnement. La génération de code plus rapide n’est utile que si la revue, les tests et le contrôle de code source peuvent absorber la charge qui en résulte.
Partez d’une phrase et obtenez un site complet en quelques minutes.
