Un desarrollador sometió a Claude Code (modelo Sonnet 4.6) a un experimento inspirado en el concepto de "Autoresearch" para evaluar si un agente de IA puede mejorar de forma autónoma una pieza de software sujeto a una métrica cuantificable y restricciones de aprobado/suspenso. La tarea elegida fue la compresión de archivos en Rust: el objetivo era reducir el tamaño total comprimido, con dos restricciones binarias — la ronda comprimir/descomprimir debía ser bit-exacta y ni la compresión ni la descompresión podían superar los 300 segundos.
Antes de cada iteración se borraba el contexto de Claude y se le pedía revisar el código y proponer una mejora. Se ejecutaron diez iteraciones, cada una con un coste medio de unos 4 dólares. En la primera, el agente construyó una implementación propia de LZSS —un algoritmo clásico— y en las nueve siguientes fue ampliando ese esquema con comprobaciones de entropía y técnicas de codificación adicionales. En ningún ciclo introdujo más de un cambio a la vez: formulaba una hipótesis, escribía el código, ejecutaba el banco de pruebas y se declaraba "completo".
El andamiaje incluía un script de benchmarking que evaluaba muestras de dominio público de vídeo, audio y texto, además de datos aleatorios de diversa entropía, con timeouts para detectar bucles infinitos. El código está disponible en el repositorio smitec/agent-compression. El autor aclara que la prueba mide la viabilidad del método más que el rendimiento de un modelo concreto, y plantea la pregunta de cuándo una solución generada in house por un agente empieza a compensar el riesgo de ataques a la cadena de suministro frente a depender de bibliotecas externas.