AI写代码的速度，已经让人类用了21年的工具接不住了。
2026年10月15日，Anthropic内部一个7人团队用时5个月，用Claude从零打造了一套全新的代码版本控制系统，彻底取代已统治编程界21年的Git。这不是概念验证，而是已经全面承接公司全部代码生产环境的生产系统。
平均每2.8秒合入一段新代码
今年5月，Anthropic平均每天合并代码约2500次——这个数字已是大型科技公司的活跃水平。但到今年9月，短短4个月后，暴涨12倍达到每天30000次合并请求，平均每2.8秒就有一段经过测试和审查的新代码进入核心代码库。
这是什么概念？如果按传统代码审查速度（人工评审每次10~30分钟），每天30000次合并需要评审时间约5000~15000小时，即622~1875个工作日——显然不可能由人工完成。实际上，Anthropic的这套新系统接入了Claude进行自动化代码审查，每次合并从提交到进入代码库全程无需人工介入。
Anthropic预计这种增速短期内不会放缓：「内部对合并代码的潜在需求几乎是无限的，每扫除一个基础设施瓶颈，代码产量就会立刻迎来下一波暴涨。」
Git为何接不住AI速度
Git由Linux之父Linus Torvalds于2005年发明，其底层写着一个属于那个时代的假设：程序员可能在没有网络的飞机或咖啡馆里写代码。因此Git采用「去中心化」设计，每次干活默认把整个代码库（Anthropic的包接近100GB）完整下载到本地。这个设计在「人写代码」的时代堪称完美，直到AI开始写代码——每天2500万次Checkout，每一次都要拉取庞大的代码包。
Anthropic内部估算，不加特殊优化，仅这一项每天就会产生海量无谓传输。更深层的问题是：Git的合并（merge）模型假设代码变更由人类审查者逐条审阅，而Claude每分钟可以生成数十个代码变更，Git的Pull Request工作流完全无力承载这种吞吐量。
集中式流推送：重新设计而非缝缝补补
新版系统的具体技术细节尚未完全公开，但从已知信息看，新系统针对AI时代的持续高频合并做了重新设计，放弃了Git的离线复制模型，改为集中式流推送。关键改变在于：
- 不再每次操作都拉取完整代码库，而是以增量流式方式处理合并请求
- 模型推理产生的代码片段可直接推送到审查队列，无需本地暂存
- 合并吞吐从每天2500次提升到30000次，增幅12倍
- 系统已完全承接Anthropic全部代码生产
Anthropic的选择是从零重写而非改造Git，这反映了对「AI原生架构」理念的笃定：不是让旧工具适应新时代，而是为新时代设计新工具。
数据对比：新系统 vs. Git
| 指标 | 原Git方案 | Anthropic新系统 |
|---|---|---|
| 日合并次数 | 约2500次 | 30000次（+1100%） |
| 代码库同步方式 | 去中心化，每次拉取100GB全量 | 集中式流推送，增量传输 |
| 日Checkout次数 | 约2500万次（海量无谓传输） | 未披露（推测大幅减少） |
| 迁移团队规模 | — | 7人，5个月 |
| 自动化代码审查 | 依赖人工Pull Request流程 | Claude自动化审查 |
| 上线状态 | 已下线 | 100%承接全部生产 |
为什么其他公司还没动
Git在AI时代的基础设施瓶颈并非新问题。Anthropic之外，Google、Meta、微软等大厂均有大量代码AI生成场景，但切换版本控制系统是一项高风险工程——Git生态中有大量钩子、CI/CD流水线、代码审查工具与之深度耦合，贸然切换代价极高。
然而，Anthropic的实践证明了可行性。更值得关注的是，当AI代码生产达到日均30000次合并的规模时，传统的代码审查假设（人审每条PR）已经完全失效——不是工具需要升级，而是工作流模式需要彻底重构。这对整个软件工程领域的基础设施设计具有方向性参考价值。
值得注意的是，Anthropic同时在研究小参数模型的自我复制风险，此次代码系统升级也被部分观察者联系到AI安全研究的内部协同——更高效的代码生产基础设施，意味着更快的模型迭代能力，也可能加速自动化安全研究本身。
AI原生开发工具链正在成型
Anthropic此次从零打造代码版本控制系统，并非孤例。它只是AI原生开发工具链快速成型的又一个证据：从代码编写（Claude Code/GitHub Copilot）到代码审查（Anthropic新系统）到部署（Devin AI），AI正在重写软件工程的每一个环节。
这场重写的核心逻辑是：人类设计的工具假设「人」是代码生产的主体；当AI成为生产主体，这些工具的设计前提就失效了，需要AI原生的新工具来承接。这不仅意味着效率提升，更意味着软件开发组织方式的根本改变。
FAQ
1. Anthropic新系统具体用了什么技术？
官方尚未公布完整技术细节，但已知它放弃了Git的分布式复制模型，采用集中式流推送架构，针对AI高频合并场景做了专门优化。具体实现尚未开源或发布白皮书。
2. 其他AI公司会跟进吗？
这是一个值得关注的风向标。Anthropic之后，预计Google、OpenAI等代码生产量极大的AI实验室将面临同样的Git瓶颈。但切换版本控制系统工程量巨大，其他公司可能更倾向于先做局部优化（如Git LFS增强、AI感知的合并策略），而非全面重写。
3. 这个系统对普通程序员有什么影响？
目前该系统仅在Anthropic内部运行，暂无开源或商业化计划。但它证明了AI原生基础设施的可行性：当AI成为代码生产主力，传统工具的假设需要被重新审视。这对整个软件工程领域的基础设施设计具有方向性参考价值。
相关阅读
延伸阅读
- OpenAI 发布 GPT-6.1 Sol：输入 $2/百万，编码任务胜出 6.4%2 周前
- Anthropic Claude管理智能体：1000路并发，11.6万行代码藏70个Bug5 天前
- 谷歌向免费用户开放Gemini Skills：Gems 11月17日停用，斜杠指令接棒2 周前
- Runway 发布 Solaris：把软件界面当视频实时生成，不用一行代码1 月前
继续读
同一批更新里这几篇值得一看：
- 千问办公电商版深度解读：一个AI入口打通多平台电商经营，邀测中2026-10-15
- Anthropic警告：小型AI模型数月内可在物联网设备上自我复制，关闭即成难题2026-10-15
- 华为发布AI漏洞报告新规：PoC必须可执行，攻击链必须完整2026-10-14
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记
- Anthropic词条 · AI 自学笔记
- Claude Sonnet词条 · AI 自学笔记
- Claude词条 · AI 自学笔记