Anthropic introdujo recientemente Scion, un sistema de control de versiones diseñado para manejar monorepos masivos. En su anuncio, Anthropic afirmó que el sistema fue construido con 'lecciones obtenidas con esfuerzo' de sistemas existentes como Piper de Google y Sapling de Meta. Sin embargo, la implementación técnica de Scion —específicamente su uso de 'datos derivados' para optimizar operaciones como 'blame'— ha sido identificada por la comunidad de código abierto como casi idéntica al diseño de Mononoke, un componente del proyecto Sapling de Meta.
El mecanismo central de Scion implica la construcción de estructuras de datos adicionales a partir de conjuntos de cambios para responder consultas complejas de manera eficiente. Debido a que un conjunto de cambios solo registra lo que cambió, no puede identificar rápidamente quién editó por última vez una línea específica. Scion resuelve esto creando 'datos derivados' —índices para el blame de archivos, el historial de rutas y los gráficos de commits— que se calculan recursivamente a partir de los conjuntos de cambios parentales. Esto refleja la arquitectura de Mononoke, que fue desarrollado ya en 2017-2018. Los críticos argumentan que, si bien Anthropic reconoció el proyecto Sapling en general, la falta de crédito específico a Mononoke —que proporcionó el plano técnico real para el modelo de datos derivados— roza el plagio, especialmente dado que la terminología y los modelos de datos son casi idénticos.
Esta imagen explica la arquitectura técnica de los datos derivados de Mononoke, que sirve como el principal punto de comparación para el diseño de Scion.
Esta controversia resalta una tensión creciente en la era de los modelos de lenguaje de gran tamaño (LLM). Debido a que Mononoke es de código abierto e está incluido en los conjuntos de entrenamiento de modelos como Claude y GPT, estos modelos pueden replicar fácilmente diseños de ingeniería complejos y no obvios sin proporcionar atribución a los creadores humanos originales. Algunos observadores sugieren que, a medida que los LLM abaratan el 'vibe-coding' o la generación de sistemas completos desde cero, el riesgo de 'lavado de propiedad intelectual' aumenta. Esto crea un riesgo potencial a largo plazo donde el incentivo para compartir y mantener proyectos de código abierto disminuye si esas contribuciones pueden ser instantáneamente destiladas y relanzadas por equipos de desarrollo asistidos por IA sin reconocer la fuente original de la innovación.
Mientras algunos argumentan que construir un sistema personalizado es una elección de ingeniería válida cuando las soluciones estándar no se ajustan perfectamente a la escala de una empresa, otros señalan que la similitud es tan alta que sugiere una derivación directa en lugar de un descubrimiento independiente. El debate se centra en si el uso de LLM para generar código basado en repositorios de código abierto existentes requiere un nuevo estándar de atribución, o si el marco actual de 'lecciones obtenidas con esfuerzo' es suficiente para el desarrollo de software moderno.
En última instancia, la situación subraya un cambio en la producción de software: el costo de construir un sistema complejo ha disminuido significativamente debido a la IA, pero la procedencia de la lógica subyacente permanece oscurecida. Para la comunidad de código abierto, el desafío es asegurar que el trabajo 'humano' de la innovación original continúe siendo reconocido en un panorama donde la IA puede replicar sin esfuerzo los resultados de ese trabajo.
La distinción técnica entre Scion y Mononoke sigue siendo un punto de contención. Si bien la implementación de Scion es propietaria, la lógica subyacente de usar un Merkle DAG para crear índices compatibles con blame es una transferencia directa del diseño de Mononoke. Esto resalta un compromiso específico en el desarrollo moderno: la velocidad de la creación asistida por IA frente a la preservación del linaje intelectual del software que se está construyendo.
Esta representación visual muestra la implementación técnica específica de los datos derivados de Scion, que es el núcleo de la controversia sobre la similitud del diseño.
A medida que Anthropic se prepara para hitos futuros, incluida una posible salida a bolsa, el escrutinio de sus prácticas de ingeniería sirve como un caso de estudio para la industria en general. Plantea preguntas sobre cómo las empresas navegarán la ética de usar IA para 'minar' repositorios de código abierto en busca de diseños arquitectónicos de alto valor mientras presentan los productos resultantes como innovaciones novedosas.