Linus Torvalds utilizza Claude Code per una modifica al kernel Linux che triplica le prestazioni
Il nome scelto da Linus Torvalds per il suo ramo di sviluppo, noref-filemap-read-with-llm, lascia poco spazio a dubbi: l'intelligenza artificiale ha avuto un ruolo centrale nella sua creazione. La patch è stata generata da Claude Code, l'agente di programmazione di Anthropic, che ha scritto il codice, preparato i test, identificato i problemi ancora da risolvere e redatto una prima bozza della lettera di accompagnamento da includere nella revisione.
Il coinvolgimento di Claude Code nella modifica del kernel
Claude Code ha partecipato attivamente al processo di sviluppo: dopo aver prodotto il codice, ha suggerito gli scenari di test più pertinenti, ha analizzato le metriche di performance e ha evidenziato le eventuali race condition ancora presenti. Torvalds ha poi eseguito i benchmark sulla propria macchina, confermando i risultati e verificando la stabilità della patch. Si tratta della prima volta che il creatore di Linux accredita un agente AI per un intervento sulla gestione della memoria del kernel, superando gli utilizzi precedenti, che si limitavano al debugging.
La problematica della cache delle pagine
Il cantiere riguarda la cache delle pagine, la zona di memoria RAM in cui il kernel conserva i file letti di recente. Quando più thread leggono piccoli frammenti dello stesso file, ogni lettura deve acquisire e poi rilasciare un riferimento sulla pagina interessata, generando due scritture atomiche sulla stessa linea di cache. Questo porta a una forte contesa tra i core, riducendo l’efficienza.
Soluzioni precedenti e le loro limitazioni
I tentativi precedenti prevedevano la copia dei dati in un buffer senza riferimento, per poi validare a posteriori. Tuttavia, queste soluzioni erano vulnerabili a race condition non rilevate, come il caso in cui una pagina veniva liberata e reinserita nello stesso indice prima della validazione. La nuova proposta di Torvalds elimina la causa di base: una pagina rimossa dalla cache non ritorna all’allocatore se non dopo un periodo di grazia, consentendo a un lettore di copiare direttamente verso il buffer utente, senza riferimento né limite di dimensione di lettura.
Risultati dei benchmark
Secondo i dati pubblicati da Hwbusters, con otto thread su un singolo file, il costo kernel per lettura scende da circa 2.950 a 725 cicli. Il throughput, invece, passa da circa 10 milioni a 30‑33 milioni di letture al secondo, un aumento di quasi tre volte. Con un singolo thread, il guadagno è più modesto, dell’ordine del 10%, ma comunque significativo rispetto alle versioni precedenti del kernel.
Stato attuale della patch
Il ramo si basa su Linux 7.3-rc6 e, per il momento, non è stato integrato nella mainline. Gli utenti di Ubuntu o di altre distribuzioni non noteranno cambiamenti finché la patch non verrà accettata e incorporata. Torvalds spera che i guadagni di prestazione siano ancora più consistenti su macchine più grandi o multi‑socket, ma al momento non ha testato tali scenari.
Il dibattito sull’AI nella programmazione di sistema
Il contrasto rispetto al discorso di Linus di due anni fa è netto: a ottobre 2024, Torvalds aveva definito l’industria dell’AI “90 % marketing e 10 % realtà”. Oggi, pur mantenendo la posizione che l’AI non debba firmare il codice al posto dello sviluppatore, riconosce che strumenti come Claude Code possono accelerare la ricerca e la prototipazione. Il tema resta controverso: recentemente un giovane sviluppatore si è dimesso da Debian dopo che la distribuzione ha autorizzato l’uso di codice generato dall’AI, evidenziando le tensioni tra tradizione e innovazione.
Prospettive future e considerazioni finali
Rimane da vedere come i manutentori responsabili della gestione della memoria accoglieranno la proposta. Se la patch verrà accettata, potrebbe rappresentare una svolta non solo per Linux, ma anche per l’intero ecosistema open source, dimostrando che l’AI può contribuire a ottimizzazioni a basso livello senza compromettere sicurezza e affidabilità. Nel frattempo, Linus Torvalds continua a sperimentare, mantenendo un approccio pragmatico: l’AI è uno strumento potente, ma la decisione finale spetta ancora agli ingegneri umani.