Anthropic ha completato un intervento esteso sulle prestazioni di Claude che ha reso l’applicazione Web e quella desktop circa tre volte più veloci rispetto all’inizio di agosto, intervenendo soprattutto sui tempi di caricamento, sulla reattività dell’interfaccia e sulla velocità con cui vengono avviate e gestite le principali attività. Il lavoro è stato concentrato in uno sprint di due settimane durante il quale il team ha integrato più di 3.000 modifiche, partendo direttamente dai feedback degli utenti che segnalavano una sensazione generale di lentezza. L’ottimizzazione non ha riguardato il modello linguistico in sé, ma l’intero strato applicativo che circonda Claude, compresi rendering, JavaScript, gestione dello stato, accesso alle conversazioni, avvio delle sessioni e interazioni con Claude Code e Claude Cowork. Anthropic ha concentrato il lavoro su quattro percorsi d’uso che, secondo i propri dati interni, rappresentano circa il 95% dell’attività complessiva sulla piattaforma, cercando quindi di intervenire soprattutto sulle operazioni che incidono maggiormente sull’esperienza quotidiana. Al 75° percentile, il tempo necessario per caricare da zero Claude.ai fino a ottenere una pagina pronta per la digitazione è sceso da 3,1 secondi a 0,55 secondi; l’avvio di una sessione Claude Code è passato da 0,8 a 0,3 secondi, mentre il caricamento di una sessione cloud di Claude Cowork è sceso da 2,6 secondi a 0,73 secondi. Anthropic stima che, considerando l’insieme degli utenti, il miglioramento permetta di evitare complessivamente decine di migliaia di ore di attesa ogni giorno.
Alcuni dei miglioramenti più marcati riguardano le operazioni che precedono l’invio effettivo di una richiesta. In Claude Cowork, l’azione di invio di un messaggio è diventata circa 19 volte più rapida, passando da 928 millisecondi a 48 millisecondi, mentre in Claude Code lo stesso percorso è migliorato di circa 4,8 volte, da 250 a 52 millisecondi. Per arrivare a questi risultati Anthropic ha trasformato molte operazioni dell’interfaccia in quantità direttamente misurabili e confrontabili, costruendo benchmark specifici per il numero di istruzioni CPU eseguite, i commit React, le chiamate a funzioni JavaScript, i ricalcoli degli stili CSS e le mutazioni del DOM. Il principio utilizzato durante il lavoro è stato rendere il maggior numero possibile di fenomeni osservabili in forma quantitativa, in modo che Claude potesse individuare automaticamente regressioni e opportunità di ottimizzazione. Questo ha permesso di spostare l’analisi da una valutazione generica della velocità dell’interfaccia a un controllo molto più granulare dell’attività realmente prodotta dal browser e dal codice dell’applicazione. Gli ingegneri hanno quindi utilizzato i benchmark non soltanto per confermare i miglioramenti ottenuti nei test locali, ma anche per verificare che questi si traducessero in un guadagno misurabile durante l’utilizzo reale del prodotto, evitando ottimizzazioni che riducessero un singolo indicatore senza produrre benefici percepibili dall’utente.
Claude è stato utilizzato direttamente all’interno dello sprint attraverso Claude Tag, lo strumento interno basato su Slack che permette ai team di delegare attività al modello dandogli accesso controllato a strumenti, dati e repository di codice selezionati. Durante questo lavoro Claude Tag utilizzava un modello di ricerca interno indicato come comparabile a Opus 5.5 e veniva impiegato per analizzare il codice, individuare i colli di bottiglia, costruire benchmark, sviluppare modifiche e monitorare i risultati delle distribuzioni successive. Il ruolo umano rimaneva però centrale nel definire gli obiettivi, stabilire le priorità, valutare i compromessi tra prestazioni, complessità e manutenzione e approvare ogni cambiamento prima della sua integrazione. In uno dei casi individuati durante l’ottimizzazione, Claude ha scoperto che una routine incaricata di ricostruire l’albero dei messaggi di una conversazione risolveva lo stesso identificatore tre volte, producendo lavoro ridondante a ogni elaborazione; la modifica del codice ha ridotto del 48% il numero di istruzioni CPU necessarie e del 78% il tempo di esecuzione misurato. In un’altra area, l’analisi del componente che controlla la status line di Claude Code ha consentito di ridurre le istruzioni eseguite del 31% e il relativo tempo di elaborazione del 44%, mostrando come una parte rilevante del guadagno complessivo sia derivata dall’eliminazione di piccoli costi ripetuti continuamente piuttosto che da un unico intervento strutturale.
Lo stesso approccio ha permesso di individuare problemi molto meno evidenti. In un caso, alcuni caratteri tipografici come i trattini lunghi e le virgolette curve provocavano un rallentamento imprevisto nel sistema di evidenziazione dei blocchi di codice, arrivando a richiedere circa un secondo e causando un breve blocco visibile dell’interfaccia. Il problema è stato corretto con una modifica di circa venti righe di codice, eliminando una causa di latenza che difficilmente sarebbe emersa attraverso una normale revisione funzionale dell’applicazione. Claude ha inoltre individuato spostamenti del layout nella barra laterale che non venivano catturati adeguatamente dai sistemi di monitoraggio già disponibili: l’analisi ha ricondotto questi movimenti a elementi caricati in ritardo, come alcune intestazioni, e a variazioni nella comparsa delle barre di scorrimento. In questo caso il problema non riguardava necessariamente un aumento significativo del tempo totale di caricamento, ma la stabilità visiva dell’interfaccia e la percezione di lentezza prodotta da elementi che continuavano a riposizionarsi dopo la comparsa iniziale della pagina. L’aggiunta di metriche dedicate a questi comportamenti ha permesso quindi di includere nella stessa attività di ottimizzazione anche aspetti legati alla fluidità e alla stabilità del rendering, non soltanto alla pura durata delle operazioni.
Un elemento rilevante del lavoro riguarda anche la modalità con cui Anthropic ha gestito l’elevato numero di modifiche. Le oltre 3.000 variazioni sono state distribuite progressivamente e controllate attraverso benchmark automatici e rollout graduali, senza provocare, secondo l’azienda, incidenti visibili agli utenti o la necessità di effettuare rollback causati dalle ottimizzazioni dello sprint. Questo risultato è importante soprattutto perché molte delle modifiche hanno interessato componenti centrali dell’interfaccia utilizzati continuamente da milioni di richieste e sessioni, dove anche una piccola regressione può propagarsi rapidamente. L’approccio adottato è stato quindi quello di combinare interventi frequenti e di dimensioni ridotte con strumenti di misurazione sufficientemente sensibili da rilevare immediatamente eventuali peggioramenti. Anthropic definisce questi controlli come una serie di “ratchet”, cioè meccanismi pensati per impedire che futuri aggiornamenti riportino le prestazioni ai livelli precedenti: una volta stabilita una nuova soglia attraverso i benchmark, le modifiche successive devono rispettarla invece di considerare il miglioramento ottenuto come un risultato temporaneo dello sprint.
Il lavoro non viene comunque considerato concluso. Le ottimizzazioni descritte si concentrano soprattutto sui percorsi più frequenti e sulle prestazioni osservate intorno al 75° percentile, mentre Anthropic indica esplicitamente che rimane spazio di miglioramento nella parte più lenta della distribuzione, in particolare intorno al 95° percentile. Anche le conversazioni molto lunghe continuano a rappresentare un’area critica, perché richiedono al client di gestire quantità di stato, messaggi e componenti dell’interfaccia molto superiori rispetto alle sessioni più comuni. Lo stesso vale per percorsi meno utilizzati che non rientrano nelle quattro attività principali analizzate durante lo sprint. Il risultato attuale va quindi interpretato come un intervento sull’infrastruttura e sull’esperienza applicativa di Claude più che come un semplice aggiornamento grafico: l’obiettivo è ridurre sistematicamente il lavoro eseguito dal browser e dall’app desktop, mantenere sotto controllo le regressioni attraverso metriche automatiche e utilizzare Claude stesso come strumento di analisi e sviluppo all’interno del processo di ottimizzazione. Al termine dello sprint, claude.ai e l’app desktop risultano complessivamente circa tre volte più veloci rispetto all’inizio di agosto, ma Anthropic ha già indicato come successive aree di lavoro le code più lente delle distribuzioni di latenza, le conversazioni di grandi dimensioni e i percorsi rimasti fuori dalla prima fase di intervento.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)