Жалобы пользователей на медленные интерфейсы зажали Anthropic в угол, вынудив компанию провести жесткий двухнедельный спринт по оптимизации в августе этого года. В техническом отчете, опубликованном Раймондем Вангом, Сэмом Аттардом и Иссаком Г., команда подробно описала, как им удалось разогнать claude.ai и десктопное приложение, сократив задержку до долей секунды. Вместо того чтобы вручную перебирать бесконечные массивы кода, инженеры объединили усилия с ИИ-моделями прямо в своих рабочих средах разработки, точечно устранив узкие места производительности без сбоев в продакшене.
Data-Driven Targeting Across Core Journeys
Чтобы избежать стандартной ловушки бессистемного рефакторинга, команда опиралась исключительно на количественные метрики. Инженеры поручили модели Claude проанализировать данные об использовании через сервер Datadog Model Context Protocol (MCP), выделив четыре ключевых клиентских сценария, на которые приходится 95% активного использования веб- и десктопной версий. В обеих средах эти рабочие процессы разбили на тринадцать конкретных телеметрических измерений.
Хотя первоначальный план выглядел как бэклог из двадцати проектов, рассчитанный на все две недели, реальность оказалась куда динамичнее. Вооружившись точными ориентирами, команда закрыла двенадцать из тринадцати вех производительности уже к третьему дню спринта.
Agentic Integration and Production Stability
Главный результат заключается не просто в более быстрой загрузке страниц, а в том, как именно команда использовала агентские рабочие процессы для достижения этой цели. Они развернули Claude Tag (в версии бета), работающую на базе внутренней исследовательской модели, чтобы автономно выявлять регрессии производительности и выпускать исправления. Инженеры-люди отвечали за архитектурные компромиссы и проверяли запросы на слияние, что позволило внедрить более трех тысяч изменений кода без единого отката или инцидента для пользователей.
Сухие цифры говорят сами за себя. На 75-м процентиле время, необходимое для первичной загрузки claude.ai до интерактивного состояния, готового к вводу текста, рухнуло с 3,1 секунды до 0,55. Запуск новой сессии Claude Code сократился с 0,8 секунды до 0,3, а загрузка облачной сессии Claude Cowork упала с 2,6 секунды до 0,73.
Именно это происходит, когда автоматизированная телеметрия встречается с прямым выполнением задач моделью при жестком ограничении рамок. Большинство корпоративных ИИ-пилотов скатываются в бесконечные эксперименты, но спринт Anthropic доказывает: внедрение моделей напрямую в цикл обратной связи CI/CD обеспечивает немедленный и измеримый рост скорости, если цели реальны, а метрики не подлежат обсуждению.