椰椰木知AI 日报
← 返回日报

AI 日报 · 2026-10-14:AI 写代码快了以后,卡住的是 Git

Anthropic 工程博客(官方自述):日合并从 5 月约 2500 次涨到 9 月 3 万次以上,Git 成瓶颈,7 人五个月自建 Scion 迁移整个 monorepo(服务器做重活、稀疏/虚拟化检出,自报资源占用小约 200 倍),不开源、不建议替代 Git;新闻:Gemini 4 Argon 全球开放、OpenAI 工程师被控安装录音设备(司法部)、Character.ai 破产保护;玩法:EmbeddingGemma 2 本地听写、MiniCPM-V 4.7「3GB 是内存不是下载」、levelsio 卖数据给 agent。

Scion开发基础设施AgentCoding

# AI 日报 · 2026-10-14:AI 写代码快了以后,卡住的是 Git

Anthropic 今年 5 月平均每天合并约 2500 次代码改动,到 9 月已经超过每天 3 万次。量涨了十多倍以后,他们发现最先撑不住的不是模型,而是 Git:一套按"人"的节奏设计的工具。

于是他们自己写了一套版本控制系统,叫 Scion,五个月里把整个代码仓库从 Git 迁了过去。

> 本期素材:Hacker News + X(仅 API 检索)+ 媒体。本期没有 Reddit 素材。

主线:Anthropic 为什么不用 Git 了

事实等级:官方自述(Anthropic 工程博客,10/13 发布),所有性能数字都是 Anthropic 自报。 原文:Redesigning source control at Anthropic

先看规模(原文数字):

  • 每天合并的代码改动:2026 年 5 月约 2500 次,9 月超过 3 万次。他们说需求"几乎无限",每拆掉一个瓶颈,代码量马上又涨一截。
  • 主分支的历史将近 100GB,压缩后的工作副本超过 25GB。
  • 光 CI 每天就要拉取代码约 2500 万次,还不算开发环境、agent 沙箱和研究任务。照常规方式拉,每天会超过 600PB 的 Git 流量。
  • 高峰时,他们靠几百台内部 Git 镜像硬扛,越来越难维护。

问题出在哪: Git 是为"每个人手里一份完整仓库、可以离线干活"设计的。可 Anthropic 的绝大多数"用户"是 agent 和自动任务,它们本来就一直在线。Git 擅长的离线和分布式,在这里反而成了负担。

Scion 的思路(原文的设计原则):

  • 客户端默认一直在线:本地不存完整仓库,要什么再取什么。
  • 重活放在服务器上:查历史、查每行是谁改的(blame)、生成提交、合并、变基,都由服务器做;客户端只保留有限的本地缓存。
  • 能不拉代码就不拉:很多查询和写入直接走 API。确实要文件时,只取用到的目录(稀疏检出),或者读到哪个文件才下载哪个(虚拟化检出)。
  • 提交的成本跟改动大小走,不跟仓库大小走:每次提交只记"改了哪些文件",服务器端水平扩展,不用全局锁。
  • 他们也说明,借鉴了 Google 的 Piper 和 Meta 的 Sapling 这类大型代码仓库系统的经验。

效果(Anthropic 自报): 基础设施的 CPU 和内存占用比原来的 Git 镜像集群小约 200 倍;CI 和研究任务拉代码从几分钟缩短到几秒(快两个数量级);光 CI 一项就腾出约 25% 的 CPU。同期他们还做了代码评审工具 Antique、代码搜索和权限系统,整个团队 7 个人,五个月完成迁移。

原文里两个值得记的细节:

  • Claude 既是起因也是解法。 一版人手写的 Git 到 Scion 数据导入程序,交给内部早期版本的 Claude Mythos Preview 重写后,内存占用降到 1/20,速度快了 4 倍(自报)。
  • 工程师的活变了。 他们说团队成员都认为 Claude 写代码比自己强,但工程师要负责系统层面的取舍,"很多时候工程师的工作就是对 Claude 说不"。现在每个改动仍有人审,但审的是意图,不再逐行读代码。

也别误读: 原文明确说 Scion 不适合替代通用 Git,只对超大规模的代码仓库有意义,也没有开源计划。他们希望 GitHub、GitLab 和开源社区能把其中好用的部分(比如更强的服务器端接口、更好用的稀疏拉取)带回 Git。

我们的读法: 过去谈 AI 写代码,焦点总在"模型多强"。Scion 这篇说的是另一回事:代码产量一旦上去,那些按人的节奏设计的环节(版本控制、合并队列、CI)会先被压垮。原文甚至写道,传统的合并队列在 agent 的规模下"没什么意义"了。普通团队离每天 3 万次合并还很远,但 Anthropic 估计,类似问题会在未来 6 到 12 个月里在更多公司出现。

新闻速览

  • Gemini 4 Argon 全球开放(Google 官方,10/13)。10/1 那期报道时,Argon 只开放给 Fairwind 计划里的网络安全防御伙伴。现在:

- 开发者和企业可以通过付费 API(AI Studio、Gemini 平台)使用;Ultra 订阅用户可以在 Antigravity 里用;Ultra 和 Pro 订阅用户可以在 Gemini app 和搜索的 AI 模式里用。

- 入门价每百万 token 输入 2 美元、输出 10 美元,11/30 之后涨到 4 美元和 20 美元。

- Google 称 Argon 在 Vals Index 排第一,并列举了 Chrome 代码重构、Gemma 推理提速 2.85 倍等内部案例,均为 Google 自报。

- 9 月 30 日,OpenAI 在旧金山一间高管会议室的电视 USB 口上发现一个用厕纸包着的加密录音设备,判断安装于 9 月 28 日左右;

- 监控显示这名 2025 年 7 月入职的工程师多次出现在他无权进入的会议室附近;10 月 5 日,在他遗留的包里又发现一台类似设备;

- 他 10 月 9 日被捕,10 月 13 日首次出庭。罪名是使用设备截获口头通信,最高可判 5 年。

- 以上都是起诉书中的指控,尚未定罪。

- 官方:公司启动自愿第 11 章破产程序,由法院监督出售公司;平台暂时照常运行,但如果找不到愿意继续运营的买家,平台将被关停。

- 据公司 10/13 发布的新闻稿(Business Wire):迪士尼旗下公司是本次出售的"stalking horse"(为拍卖托底的首个出价方),出价 2000 万美元,换取部分知识产权和部分索赔权的非独占永久许可,并用它已聘用的前 Character.ai 员工提供过渡服务;其他买家可以出更高价,出售预计 11 月底到 12 月初完成。

- 据 TechCrunch,法院文件显示公司资产和负债都在 5000 万到 1 亿美元之间。WSJ 原文和法院文件原件我们都没读到。

玩法

1. 用 EmbeddingGemma 2 做本地听写。 eg2.haku.sh(作者自述、自测)

这是一个独立项目,用法很巧:

  • Google 的 EmbeddingGemma 2 是一个多模态嵌入模型,文字和声音被映射到同一个向量空间里;
  • 作者完全不动它的音频编码器,只训练了一个小"读取器":把每一小段音频挪到文字空间,再从约 22.9 万个英语单词里找最近的那个;
  • 另有一个小模型负责补标点和大小写;
  • 读取器训练不到 2 小时(8 张 H100),只用了开放许可的英语语音。

作者在 8GB 内存的基础款 M3 MacBook Air 上测:1 小时音频约 12.6 秒转完(约 288 倍实时),同机的 IBM Granite Speech 约 25.7 秒。音频不出本机。

2. MiniCPM-V 4.7 的"3GB"是内存,不是下载大小。

10/13 那期报道了这个模型。之后社区在澄清一个容易误读的说法:传播中的"35B 模型只要 3GB",指的是运行时占用的内存,不是要下载的文件大小(@bountyAIhunter、@TeksEdge)。我们核对了 Hugging Face 上的官方 GGUF 文件列表:

  • 最小的混合 Q3 量化版是 15.5GB,Q4_K_M 是 21.2GB;
  • 视觉部分还要另外的 mmproj 文件,约 0.9 到 1.1GB。

想在手机或电脑上试,要准备的是十几 GB 的存储空间,3GB 是运行时的内存开销。

3. levelsio 把 Nomads 的数据卖给 agent。 @levelsio(发帖人自述)

继 MCP server 之后,Nomads.com 又上了付费 API,年费 2490 到 9990 美元。他说这主要是给 AI agent 用的,卖的是生活成本、网速等多年积累的数据。

今天的结论

  • AI 把写代码的速度推上去以后,瓶颈会沿着流水线往下走:先是版本控制,再是合并和 CI。
  • Anthropic 的做法是重写一套"默认用户一直在线"的系统,但他们也明说,这不是给普通团队直接照搬的。
  • 对大多数团队来说,更现实的信号是:别只盯着模型,也看看你的 Git、CI 和评审流程能不能接得住。

<!-- social drafts (local only): xhs=/workspace/ai-daily/work/2026-10-14/out/xhs.md wechat=/workspace/ai-daily/work/2026-10-14/out/wechat.md -->