Anthropic, Claude’un Ürettiği Kodları Yönetmek İçin Scion Sürüm Kontrol Sistemini Geliştirdi

Anthropic, Claude yapay zekâ modellerinin hızla artan kod üretimi nedeniyle geleneksel geliştirme altyapısının sınırlarına yaklaşınca Scion adlı yeni bir sürüm kontrol sistemi geliştirdi. Şirketin günlük birleştirilen kod değişikliği sayısı Mayıs 2026’da yaklaşık 2.500 seviyesindeyken eylül ayında 30.000’i aştı. Anthropic, yapay zekâ destekli yazılım geliştirme hızlandıkça kodların incelenmesi, derlenmesi ve yönetilmesi için kullanılan altyapının da yeniden tasarlanması gerektiğini belirtiyor.

Claude’un Kod Üretimi, Yazılım Altyapısında Yeni Bir Darboğaz Oluşturdu

Anthropic’in mühendislik ekipleri için temel sorun artık kod yazma hızından çok üretilen kodun yönetilmesi haline geldi. Şirket, Claude modellerinin geliştirme sürecini hızlandırmasıyla kaynak kodu yönetimi, derleme sistemleri ve sürekli tümleştirme (CI) altyapısında artan iş yüküyle karşılaştı.

Anthropic’in açıklamasına göre mühendislik ekipleri, Mayıs 2026’da günde ortalama 2.500 kod değişikliğini ana geliştirme dalına birleştirirken eylül ayında bu sayı 30.000’in üzerine çıktı. Şirket, kod birleştirme talebindeki artışın kısa vadede yavaşlamasını beklemiyor. Anthropic, altyapıdaki bir darboğazı ortadan kaldırdığında daha fazla kod üretiminin yeni bir kapasite sorununu beraberinde getirdiğini ifade ediyor.

Benzer baskılar diğer büyük yazılım platformlarında da görülüyor. Microsoft’un GitHub ekibi, nisan ayında yayınladığı bir blog yazısında çekme istekleri ile kod gönderimlerinin hızlı artışını hizmet kullanılabilirliğindeki sorunlarla ilişkilendirdi. Akademik araştırmacılar da yapay zekâ araçlarının yazılım geliştirme süreçlerinde oluşturduğu yüksek hacimli üretimi incelemeye başladı.

Anthropic, beş aylık geçiş çalışmasının ardından kendi ihtiyaçlarına göre tasarladığı Scion adlı sürüm kontrol sistemini devreye aldı. Ocak 2026’da başlayan geliştirme çalışmaları, şirketin büyük kod deposunu yönetirken yaşadığı ölçeklenme sorunlarını azaltmayı hedefliyor.

Git, dağıtık mimarisi sayesinde geliştiricilerin kodun yerel kopyaları üzerinde çalışmasına ve değişiklikleri farklı ortamlarda yönetmesine olanak tanıyor. Anthropic, bu yaklaşımın çoğu yazılım deposu için doğru tercih olduğunu kabul ediyor ancak şirketin ana kod deposunun yaklaşık 100 GB büyüklüğe ulaşması, Git tabanlı işlemlerin maliyetini artırıyor. Sıkıştırılmış bir çalışma kopyası bile bu boyutun dörtte birinden fazlasını kaplıyor.

Şirket, sürekli tümleştirme süreçlerinde günde yaklaşık 25 milyon kod deposu kopyalama işlemi gerçekleştirdiğini belirtiyor. Geliştirici ortamları, yapay zekâ ajanlarının çalışma alanları ve araştırma görevleri hesaba katılmadığında bile bu işlemlerin Git üzerinden doğrudan yapılması, günde 600 petabaytın üzerinde veri trafiğine yol açabilecek bir yük oluşturuyor.

Scion, Google’ın Piper adlı merkezi depo sistemiyle benzer bir yaklaşım izliyor. Microsoft, Git’in büyük depolardaki ölçeklenme sorunlarını azaltmak için Sanal Dosya Sistemi for Git teknolojisini kullanırken Meta, Sapling adlı kendi kod yönetimi araçlarını geliştiriyor. Bu örnekler, büyük teknoloji şirketlerinin devasa kod tabanlarını yönetmek için farklı mimarilere yöneldiğini gösteriyor.

Scion’un temel tasarımı, kod değişikliklerini Git’ten farklı bir veri modeliyle saklıyor. Sistem, değişiklikleri “changeset” adı verilen kayıtlar halinde tutuyor. Her kayıt, yazma öncesi günlüğe dayalı bir yapıda oluşturuluyor ve önceki sürüme göre değişen dosyaların listesini içeriyor.

Git, bir kayıtta dosya ağacına işaretçi saklarken Scion değişen dosyaları ve sıkıştırılmış dosya içeriklerine yönelik içerik adresli işaretçileri kaydediyor. Böylece sistem, büyük kod depolarındaki işlemleri yapay zekâ ajanlarının çalışma biçimine uygun şekilde düzenlemeyi amaçlıyor.

Scion istemcisi, iş yükünün daha büyük bölümünü sunucuya bırakıyor. Kaynak kodu sorguları bir uygulama programlama arayüzü (API) üzerinden sunulduğu için şirketin dahili araçları, her işlem için yerel bir kod deposu oluşturmak zorunda kalmadan bilgi alabiliyor. Bu tasarım, yerel kopyalar arasındaki eşitleme ihtiyacını azaltırken sunucuların yanıt hızını daha kritik hale getiriyor.

Anthropic’in yaklaşımı, çok sayıda yapay zekâ ajanının aynı kod tabanında çalıştığı ortamlarda önem kazanıyor. Her ajan bağımsız görevler üretirken ortaya çıkan değişikliklerin hızlı biçimde kaydedilmesi, incelenmesi ve ana geliştirme dalına aktarılması gerekiyor. Scion, bu yoğunluğu geleneksel geliştirici iş akışlarının ötesinde ele almak üzere tasarlanıyor.

Anthropic, kendi altyapısını geliştirirken Claude modellerinden de yararlandı. Şirketin dahili kullanımına açılan Claude Mythos Preview, Git depolarındaki verileri Scion sistemine aktaran erken aşamadaki bir yazılım bileşenini yeniden yazmak için kullanıldı.

Anthropic’in paylaştığı sonuçlara göre modelin oluşturduğu yeni sürüm, bellek kullanımını 20 kat azalttı ve çalışma hızını dört kat artırdı. Bu sonuç, yapay zekânın yalnızca uygulama kodu üretiminde değil, kod geliştirme araçlarının ve altyapı bileşenlerinin iyileştirilmesinde de rol üstlenebildiğini gösteriyor.

Şirket mühendisleri, Claude’un kod yazma yeteneğinin kendi performanslarını aştığı durumları kabul ediyor. Ancak Anthropic, mühendislerin rolünün ortadan kalkmadığını ve kritik mimari kararlarında insan denetiminin önemini koruduğunu vurguluyor. Şirketin deneyiminde mühendisler sıklıkla modelin önerilerini reddetmek zorunda kalıyor çünkü yapay zekâ ajanları, belirli bir görevi tamamlamak adına sistemin temel tasarım kurallarını ihlal edebiliyor.

Anthropic, Scion’un genel kullanıma yönelik bir sürüm kontrol sistemi olmadığını ve yazılımı açık kaynak olarak yayınlamayı planlamadığını açıkladı. Sistem, şirketin yaklaşık 100 GB büyüklüğündeki ana kod deposu ile yapay zekâ ajanlarının oluşturduğu yoğun iş yüküne göre şekillendirildi.

Şirketin paylaştığı deneyim, yapay zekâ destekli yazılım geliştirmede verimlilik artışının yalnızca daha hızlı kod yazmakla sınırlı kalmadığını ortaya koyuyor. Kod inceleme arayüzü Antique, kod arama aracı ve kaynak kontrolü için kimlik ve erişim yönetimi sistemi de Anthropic’in geliştirdiği dahili araçlar arasında bulunuyor.

Yapay zekâ modellerinin daha fazla kod üretmesi, yazılım şirketlerini sürüm kontrolü, test altyapısı ve derleme süreçlerinde yeni kapasite planlamaları yapmaya yöneltebilir. Anthropic, kendi ölçeğinde karşılaştığı sorunların önümüzdeki aylarda başka kuruluşlarda da ortaya çıkabileceğini öngörüyor. Scion’un paylaşılmayacak olması diğer şirketlerin aynı sistemi kullanamayacağı anlamına geliyor ancak Anthropic’in deneyimi, artan kod hacminin geliştirme altyapısında yeni mimari tercihler gerektirebileceğine işaret ediyor.