Anthropic ทิ้ง Git หลัง main branch บวมเกิน 100GB สร้างระบบใหม่ Scion รับมือ AI เขียนโค้ด

• 2026-10-27
• เทคโนโลยี
• กองบรรณาธิการ

บริษัท Anthropic ผู้พัฒนาโมเดล AI Claude เปิดเผยเมื่อวันที่ 15 ตุลาคม 2026 ว่าได้เปลี่ยนระบบจัดการซอร์สโค้ดภายในองค์กรจาก Git มาเป็นระบบที่พัฒนาขึ้นเองชื่อ Scion (scn) เนื่องจาก Git ไม่สามารถรองรับปริมาณการใช้งานมหาศาลจาก AI ที่เขียนโค้ดได้อีกต่อไป โดยเฉพาะ main branch ที่มีขนาดเกิน 100GB และมีการ checkout สูงถึงวันละ 25 ล้านครั้ง

Key facts

ทำไม Git ถึงไปต่อไม่ไหว

• Anthropic ระบุว่า main branch ของ repository มีขนาดเกิน 100GB และขนาดโคลนที่บีบอัดแล้วเกิน 25GB
• ปริมาณข้อมูลที่ระบบจัดการต่อวันสูงเกิน 600 PB และมีการ checkout วันละ 25 ล้านครั้ง
• Scion ถูกออกแบบให้ agent ใช้งานเป็นหลัก โดยถือว่าไคลเอนต์ออนไลน์ตลอดเวลาและประมวลผลเกือบทั้งหมดบนเซิร์ฟเวอร์
• ทีมพัฒนา Scion มีเพียง 7 คน โดยใช้ Claude รุ่น Mythos ช่วยเขียนโค้ด และสามารถลดการใช้แรมลง 20 เท่า พร้อมรันเร็วขึ้น 4 เท่า
• หลังเปลี่ยนมาใช้ Scion ระบบรองรับการ merge เพิ่มขึ้นจากประมาณ 2,500 ครั้งต่อวันในเดือนพฤษภาคม 2026 เป็นเกิน 30,000 ครั้งต่อวัน

Anthropic อธิบายว่า Git ถูกออกแบบมาสำหรับการใช้งานของมนุษย์ โดยมีสถาปัตยกรรมแบบกระจายศูนย์ที่ให้ผู้ใช้โคลน repository ทั้งชุดออกมาทำงานแบบออฟไลน์ได้ แล้วค่อยส่งการเปลี่ยนแปลงกลับไปยังส่วนกลาง วิธีนี้เพียงพอสำหรับ repository ทั่วไป แต่ Anthropic ใช้ Claude เขียนโค้ดในปริมาณที่สูงมากจนระบบเดิมรับไม่ไหว

บริษัทระบุว่าได้ใช้เทคนิคจัดการ Git ขนาดใหญ่ครบทุกวิธีแล้ว ทั้งการทำ Git mirror หลายร้อยชุดภายในองค์กรและการทำ repository snapshot แต่ทั้งหมดเป็นเพียงการซื้อเวลา และสุดท้ายก็ต้องถึงขีดจำกัดของ Git อยู่ดี Scion ทำงานอย่างไร

ระบบ Scion ถูกออกแบบให้ agent เป็นผู้ใช้งานหลักตั้งแต่แรก แนวคิดสำคัญคือมองว่าไคลเอนต์จะออนไลน์เสมอ ทำให้ไม่ต้องโคลน repository ทั้งชุดมาเก็บไว้บนเครื่อง เพราะข้อมูลทั้งหมดอยู่บนเซิร์ฟเวอร์กลางที่สามารถเรียกขอได้ตลอดเวลา งานเกือบทุกอย่างจึงไปประมวลผลบนเซิร์ฟเวอร์ เหลือเพียงไฟล์บางส่วนที่เก็บในแคชบนเครื่องไคลเอนต์

นอกจากนี้ Scion ยังมี API ให้ไคลเอนต์เรียกใช้ตั้งแต่ต้น บางงานจึงไม่จำเป็นต้องทำบนเครื่องผู้ใช้เลย ฝั่งเซิร์ฟเวอร์ออกแบบให้ขยายแนวนอนได้ เพิ่มเครื่องตามปริมาณงาน และกระจายข้อมูลออกเป็นชิ้นเล็ก ๆ หลายเครื่อง โดยไม่มี repository ทั้งก้อนเก็บอยู่ที่ใดที่หนึ่ง และไม่มีแพ็กไฟล์แบบ packfile ของ Git ที่ต้องคอยดูแลรักษา

การ commit ใน Scion มีต้นทุนต่ำมาก เพราะส่งเฉพาะข้อมูลที่เปลี่ยนแปลง ไม่ใช่ทั้ง repository และทุกอย่างเกิดขึ้นบนเซิร์ฟเวอร์ ทำให้ไม่จำเป็นต้องมีคำสั่ง push หรือเก็บ working copy ไว้บนเครื่องไคลเอนต์เพื่อเลี่ยงการ checkout ทีมเล็กกับ AI ที่ช่วยเขียนโค้ด

Anthropic ระบุว่า Scion พัฒนาตามแนวทางของ Piper ระบบจัดการซอร์สโค้ดภายในของ Google และ Sapling ที่พัฒนาโดย Meta แล้วเพิ่มแนวทางเฉพาะของตัวเองเข้าไป การพัฒนาเริ่มขึ้นในช่วงที่ Claude Mythos เริ่มถูกนำมาใช้ภายในบริษัท ตอนแรกทีมเขียนโค้ดต้นแบบด้วยมือ แต่ระยะหลังเปลี่ยนมาให้ Mythos ทำแทน ซึ่งให้ผลลัพธ์ที่ดีกว่ามาก ทั้งใช้แรมน้อยลง 20 เท่าและรันเร็วกว่าเดิม 4 เท่า

ทีมพัฒนา Scion มีเพียง 7 คน และยังพัฒนาระบบรีวิวโค้ดอีกตัวชื่อ Antique มาใช้คู่กัน โดยจะเปิดเผยรายละเอียดในภายหลัง บทบาทของทีมจึงเปลี่ยนไปเป็นการควบคุม Claude โดยเฉพาะการปฏิเสธแนวทางที่ Claude เสนอ เพราะมนุษย์ยังมองภาพรวมของระบบที่เชื่อมโยงกันทั้งหมดได้ดีกว่า ตัวเลขที่ขยับขึ้น

หลังเปลี่ยนมาใช้ Scion ความสามารถในการรองรับการ merge เพิ่มขึ้นอย่างมาก จากเดิมที่ระบบรับได้ประมาณ 2,500 merge ต่อวันในเดือนพฤษภาคม 2026 ปัจจุบันรองรับได้เกิน 30,000 merge ต่อวัน

อย่างไรก็ตาม Anthropic ย้ำว่า Scion ไม่ได้เหมาะกับทุกองค์กร เพราะออกแบบมาสำหรับ repository ขนาดใหญ่มากและสำหรับองค์กรที่มี agent จำนวนมากช่วยกันเขียนโค้ด ในลักษณะที่ต้นทุนโทเคนไม่ใช่ข้อจำกัดเหมือนของ Anthropic ไม่เปิดซอร์สแต่แบ่งปันบทเรียน

ระบบ Scion ผูกกับโครงสร้างภายในของ Anthropic อย่างแนบแน่น บริษัทจึงไม่ได้เปิดซอร์สโค้ดออกสู่สาธารณะ แต่เลือกเล่าประสบการณ์เพื่อให้องค์กรอื่นที่เจอปัญหาเดียวกันได้เรียนรู้แนวทางแก้ไข

สำหรับผู้อ่านในไทยที่ทำงานด้านซอฟต์แวร์ กรณีนี้สะท้อนว่าการนำ AI มาเขียนโค้ดในปริมาณมากอาจทำให้เครื่องมือเดิมอย่าง Git กลายเป็นคอขวดโดยไม่ทันตั้งตัว องค์กรที่เริ่มใช้ AI ช่วยพัฒนาโค้ดจึงอาจต้องวางแผนเรื่องขนาด repository และโครงสร้างพื้นฐานล่วงหน้า

Anthropic ระบุว่าจะเปิดเผยรายละเอียดของระบบ Antique เพิ่มเติมในภายหลัง ซึ่งจะเป็นอีกหมุดหมายที่องค์กรอื่นสามารถติดตามเพื่อดูแนวทางจัดการโค้ดในยุคที่ AI มีบทบาทมากขึ้น