Claude genera tanto código que Anthropic tuvo que inventar su propio Git

Los números detrás de la decisión

Para entender por qué Anthropic decidió construir en vez de optimizar, hay que ver la escala real:

• El branch principal de Anthropic pesa aproximadamente 100 GB, y su copia de trabajo comprimida supera una cuarta parte de ese tamaño.
• Hacen cerca de 25 millones de checkouts de código al día solo para integración continua — sin contar entornos de desarrollo, sandboxes de agentes ni trabajos de investigación.
• Si tuvieran que traer esos checkouts de forma ingenua, estarían moviendo más de 600 petabytes de tráfico de Git al día.

Con esos números, hasta las herramientas de Git pensadas para trabajar con partes de un repositorio (sparse checkouts, partial clones) seguían generando problemas operativos. Scion ataca el problema desde otro ángulo: en vez de que cada cliente sincronice una copia del repositorio, la mayoría del trabajo se queda en el servidor y las consultas de control de versiones se exponen como una API — así herramientas internas pueden operar sin necesitar un repositorio local. Menos sincronización, pero más presión sobre qué tan rápido responde el servidor. La unidad básica de Scion ya no es un commit que apunta a un árbol de archivos (como en Git), sino un "changeset": una entrada en un write-ahead log que guarda qué archivos cambiaron respecto a su primer padre, más punteros a contenido comprimido en almacenamiento tipo blob.

Claude construyó la herramienta que reemplaza el trabajo de Claude

El detalle más revelador no es técnico, es de proceso: Anthropic usó Claude para escribir buena parte de Scion. Cuando llegó internamente una versión preliminar de un modelo más nuevo, le pidieron que reescribiera el pipeline de migración de Git a Scion — la nueva versión usó 20 veces menos memoria y corrió cuatro veces más rápido. Claude también ayudó a construir Antique (la interfaz de revisión de código), una herramienta de búsqueda de código y un sistema de identidad y accesos para el control de versiones. Pero el rol de los ingenieros humanos en todo esto, según el propio reporte de Anthropic, fue decir que no con frecuencia: los agentes "a veces violarán restricciones centrales del sistema" para satisfacer patrones que nunca debieron permitirse, y alguien con criterio tiene que estar ahí para frenarlos.

No es la primera empresa que reinventa esto, pero sí la más honesta al respecto

Anthropic no inventó la idea de abandonar Git a esta escala. Google usa Piper, su propio monorepo, junto con Gerrit para revisión de código. Microsoft tiene Virtual File System for Git (antes GVFS). Meta construyó Sapling. Lo distinto aquí es que Anthropic lo está haciendo específicamente porque sus propios agentes de IA generan más código del que la infraestructura diseñada para humanos puede sostener — y lo dice así, sin maquillarlo como una mejora de productividad genérica. Scion no sale como open source y Anthropic es clara en que su enfoque depende de tener el presupuesto para construir infraestructura a medida; no es un producto que vayas a poder instalar.

Lo que esto significa para agencias, developers y tu producto

Tu equipo probablemente no va a construir su propio Git mañana, pero el patrón que expone este caso sí te toca:

• Si tus coding agents ya escriben más código del que tu equipo puede revisar a tiempo, el cuello de botella ya se movió y probablemente no lo has medido. Antes de pedir más throughput de generación, mide cuánto tiempo tardan tus PRs en pasar por revisión, CI y merge — ahí está el límite real.
• "Decirle que no al agente" es trabajo, no un obstáculo. El reporte de Anthropic es explícito: gran parte del valor humano estuvo en frenar comportamientos del agente que violaban restricciones. Si tu proceso no tiene un punto claro de veto humano antes de producción, estás acumulando deuda técnica silenciosa.
• Evalúa tu stack de CI/control de versiones con el volumen de código generado por IA en mente, no con el de hace dos años. Lo que aguantaba commits humanos puede no aguantar lo que un agente produce en una tarde.
• No necesitas construir Scion — necesitas saber cuándo tu proveedor de Git gestionado (GitHub, GitLab, Bitbucket) empieza a sentir la misma presión que sintió Microsoft, y tener un plan antes de que te afecte en producción, no después.

En Geek Vibes llevamos meses viendo esta misma tensión en chico con clientes que adoptan coding agents: la velocidad de generación crece mucho más rápido que la capacidad de revisión, pruebas y despliegue del equipo. El caso de Anthropic es la versión a escala industrial de un problema que cualquier agencia o equipo de producto que use IA para programar ya tiene, aunque todavía no lo haya notado.

Si quieres que auditemos dónde está el cuello de botella real en tu flujo de desarrollo con IA antes de que se vuelva un problema de infraestructura, escríbenos a comercial@geekvibes.agency.