SAN FRANCISCO - Anthropic non ha una road map a lungo termine per Claude Code, il suo strumento di sviluppo software agentico, ma l'azienda scommette che un tale piano sarebbe reso inutile dal rapido miglioramento delle capacità dei modelli e da qualunque cosa gli sviluppatori decidano di volere la prossima settimana. Questa è la conclusione di una conversazione di 30 minuti che Ars ha avuto con Cat Wu, responsabile del prodotto per Claude Code.

La scorsa settimana, in un parcheggio auto a tre piani meticolosamente convertito in uno spazio per eventi nel centro di San Francisco, Anthropic ha tenuto la sua seconda conferenza annuale per sviluppatori Code with Claude. L'evento di un giorno includeva un keynote che introduceva nuove funzionalità per Managed Agents e annunciava un accordo di calcolo con SpaceX. Quell'accordo ha portato a un raddoppio dei limiti di utilizzo per gli utenti di Claude Code sui piani Pro e Max - una risposta alla significativa frustrazione degli utenti per una carenza di potenza di calcolo, specialmente nelle ultime settimane.

I prodotti di Anthropic - specialmente Claude Code - hanno visto una popolarità esplosiva. "Abbiamo cercato di pianificare molto bene per un mondo con una crescita di 10x all'anno", ha detto il CEO Dario Amodei sul palco. "E invece abbiamo visto 80x, e questo è il motivo per cui abbiamo avuto difficoltà con il calcolo". La crescita degli utenti è stata accompagnata da uno spostamento dalle semplici interfacce chat a flussi di lavoro multi-agente complessi, molto più esigenti. Durante la carenza, Anthropic ha testato soluzioni come l'imposizione di limiti più severi durante le ore di punta o la rimozione di Claude Code dal suo piano di abbonamento più economico.

Nell'ultimo anno, Anthropic ha rilasciato una miriade di nuove funzionalità, prodotti e superfici per interagire con i suoi modelli. Claude Code è passato da CLI a IDE a desktop, e sono stati introdotti nuovi strumenti per gestire più agenti. Il ritmo è stato intenso e a volte caotico. Nel frattempo, concorrenti come OpenAI Codex, GitHub Copilot, Cursor IDE e Augment Code stanno lanciando i loro prodotti, a volte con agganci come un contesto più esplicito che sostengono porti a risultati migliori.

Come responsabile del prodotto per Claude Code, Wu lavora a stretto contatto con il suo creatore, Boris Cherny, per identificare quali funzionalità prioritizzare. Non supervisiona i modelli, ma la strategia di prodotto che descrive scommette molto sul fatto che i modelli continueranno a migliorare così rapidamente che pianificare come dovrebbe essere un prodotto come Claude Code in futuro è essenzialmente inutile. Il team di Claude Code attraversa cicli di sviluppo di appena una settimana, rilasciando funzionalità in un Far West di sperimentazione.

Alla domanda se la CLI rimanga il centro di gravità, Wu ha notato che l'utilizzo è suddiviso tra tutte le superfici. "Il centro di gravità è ancora la CLI", ha detto. "È ancora quella che ha le funzionalità più avanzate, è dove arrivano prima la maggior parte delle nostre funzionalità, ed è anche la più veloce su cui iterare". Tuttavia, ha osservato un graduale spostamento verso il desktop man mano che gli sviluppatori passavano dalla gestione di un agente a sei schede terminale e alla fine decidevano che leggere dieci schede non era la loro idea di divertimento.

Sulla questione se Anthropic potrebbe consolidare le sue molte superfici, Wu ha descritto una progressione: la maggior parte inizia in CLI o IDE, poi passa al desktop per la gestione multi-agente, poi vuole routine che monitorano automaticamente i canali Slack. "Tutti i prodotti sono solo un modo per aiutarti a elicitare più facilmente l'intelligenza dei modelli", ha detto. "In realtà rimuoviamo impalcature. Rimuoviamo parti del prompt di sistema e descrizioni degli strumenti nel tempo man mano che i modelli diventano più intelligenti". Può immaginare un mondo in cui tutto collassa di nuovo in una casella di testo se il modello è "sempre giusto", ma per ora hanno bisogno di tutti gli strumenti.

Wu ha citato il saggio del 2019 di Richard Sutton "The Bitter Lesson" come principio guida, che sostiene che i metodi general-purpose che scalano con il calcolo alla fine vincono sulle strutture specifiche del dominio. "Siamo piuttosto umili nel non sapere esattamente quale sia il fattore di forma giusto, ma incoraggiamo i nostri team a esplorare il più possibile", ha detto.

Sui limiti di calcolo, Wu ha notato che mentre esistono plugin per la codifica semantica