16 AI Agent tự hợp tác tạo ra một trình biên dịch C chỉ sau 2 tuần làm việc

Gần đây, Anthropic công bố một thí nghiệm khó tin khi họ thả 16 AI agent cùng lúc vào một codebase chung và yêu cầu chúng tự xây dựng một C compiler từ con số 0. Không có người ngồi code cùng, không cần một người điều phối, chỉ có các agent tự đọc mã lệnh, tự chọn việc và tự sửa lỗi. Kết quả ấn tượng này lại gây ra phản ứng trái chiều: một bên hào hứng vì thấy tương lai của lập trình, bên kia thì lo lắng vì nhận ra chúng ta đang tiến rất nhanh vào một vùng chưa có tiền lệ.
Thí nghiệm diễn ra thế nào?
Thí nghiệm này do Nicholas Carlini, một nhà nghiên cứu của Anthropic, thực hiện. Ông dùng 16 bản thể độc lập của mô hình Claude Opus 4.6, mỗi bản thể chạy trong một container Docker riêng, cùng clone một repository Git chung. Không có agent nào được giao vai trò “điều phối”, không có lịch phân công. Mỗi agent chỉ đơn giản là nhìn vào mã lệnh, tự quyết định “việc gì đang rõ ràng nhất để làm tiếp”, rồi làm. Anthropic gọi cơ chế này là “agent teams”, nhiều bản thể Claude cùng thao tác trên một codebase chung với giám sát rất ít từ con người.
Hình ảnh minh họa cho 16 AI Agent tự hợp tác tạo ra một trình biên dịch C chỉ sau 2 tuần làm việc. Ảnh: Tư liệu
Anthropic thí nghiệm với 16 AI Agent để tạo ra một trình biên dịch C
Trong khoảng hai tuần, qua gần 2.000 phiên chạy Claude Code, tiêu tốn khoảng 20.000 USD tiền API, các agent này đã tạo ra một compiler viết bằng Rust, dài xấp xỉ 100.000 dòng code. Compiler đó đủ khả năng biên dịch một kernel Linux 6.9 hoàn chỉnh, chạy được trên x86, ARM và RISC-V. Nó còn vượt qua 99% bài test trong bộ “GCC torture test suite”, và thậm chí biên dịch được Doom, vốn là một “bài test mang tính nghi lễ” mà dân lập trình rất thích dùng để chứng minh một hệ thống là “thật sự chạy được”. Ngoài kernel, nó còn biên dịch được nhiều dự án lớn như PostgreSQL, SQLite, Redis, FFmpeg hay QEMU.
Tại sao thí nghiệm này thật sự hay ho
Điều ấn tượng đầu tiên là quy mô và độ phức tạp của thứ mà AI tạo ra. C compiler không phải là một dự án vui vẻ. Nó là nền tảng của cả hệ sinh thái phần mềm hiện đại, đòi hỏi hiểu sâu về ngôn ngữ, kiến trúc phần cứng, tối ưu hóa, và vô số góc cạnh kỳ quặc tích lũy qua hàng chục năm. Ấn tượng thứ hai nằm ở cách làm việc của các agent. Chúng không được “chỉ đạo” theo kiểu truyền thống. Không có agent trung tâm phân task, không có planner viết roadmap. Các agent tự nhận task bằng cách ghi lock file, tự xử lý merge conflict, tự đẩy code lên. Ở một mức độ nào đó, đây là lần hiếm hoi người ta thấy một hệ multi-agent vận hành giống một nhóm dev thật sự: ai thấy chỗ nào hỏng thì vào sửa, ai gặp conflict thì tự giải quyết.
Quan trọng hơn, nếu quay ngược lại chỉ một năm trước, gần như không có mô hình ngôn ngữ nào đủ khả năng tạo ra một compiler đa kiến trúc như vậy, ngay cả khi có ngân sách lớn và nhiều “chăm sóc” từ con người. Dù còn rất nhiều vấn đề, việc AI tiến được đến mốc này nhanh đến vậy là điều khiến chính người trong cuộc cũng bất ngờ.
Nhưng vẫn tồn tại giới hạn nhất định
Những thông tin nói trên nghe thật sự hay ho, tuy nhiên vân còn những giới hạn nhất định và điều này là là những điểm đáng suy ngẫm nhất. Trước hết, C compiler là một bài toán gần như lý tưởng cho AI. Ngôn ngữ C có đặc tả rõ ràng, ổn định từ hàng chục năm. Hệ sinh thái test đã rất đầy đủ. Có sẵn những compiler “chuẩn” như GCC để đối chiếu. Trong khi đó, phần lớn phần mềm ngoài đời thực lại thiếu đủ cả ba thứ này. Khó nhất trong lập trình không phải là viết code pass test, mà là nghĩ ra test nào mới đúng.
Và điều này có nghĩa như thế nào?
Thí nghiệm này không chứng minh rằng AI đã “thay thế lập trình viên”. Nhưng nó cho thấy một điều rất quan trọng: vai trò của con người đang dịch chuyển. Giá trị không còn nằm chủ yếu ở việc gõ code, mà ở việc thiết kế hệ thống kiểm chứng, phản hồi, và giới hạn để AI không “giải quyết nhầm bài toán”.
Nguồn thông tin: Tổng hợp và biên tập từ chuyên trang công nghệ.
