Zum Inhalt springen
Technologie

Claude Code

Claude Code — Technologie. Ansatz: Direkte Suche via grep/glob ohne Indexierung · Vorteil: Befolgen von Anweisungen, Codegenerierung, Werkzeugnutzung · Selbstschreibung: ~90% des Codes von ihm selbst geschrieben · Kategorie: CLI-Codierungsagent · Kategorie: Codierungsagent (CLI) · Erstellungsdatum: September 2024 · Kontextfenster: 1 Million Tokens · Schnittstelle: Terminal-first-CLI-Agent · Geschäftsmodell: Proprietär, integriert in Claude Pro/Max · betroffene_Produkte: Claude Code, Claude Agent SDK, Claude Cowork · Umsatz: 500M$ jährlich (Run-Rate) · Annualisierter Umsatz: ~1 Milliarde $ (November 2025) · Rolle: De-facto-Evaluierungs-Framework des Beitrags: Version 2.1.207 wird als Messabhängigkeit für Terminal-Bench 2.1 und 3.0, Agents' Last Exam, CyberGym, ExploitGym, ExploitBench, PostTrainBench und SWE-Marathon genannt — ein chinesisches Labor misst damit sein eigenes Modell und die der Konkurrenz. Auch als kompatibler Client von GLM-5.3 genannt · kritisierte Rolle: „Behavioral funnel“ / Geisel-Schicht, die die Entwicklung einsperrt · Stack: TypeScript, React-Terminal · Nutzung: Coding-Agent, bei Anthropic bereichsübergreifend eingesetzt (Produkt, DevRel, Design schreiben Code) für eine durchgängige Lieferung · beschriebene_Nutzung: Ausführung detaillierter Pläne in Fidelity One und Two · Gemeldete Anwendungsfälle: Prototyping durch Nicht-Entwickler, Code-Review, Single-Purpose-Agenten, Self-Service-Analytics, unterstützter Rebuild; genannte Funktionen sind MCP, skills, CLAUDE.md, Code Review, hooks, dynamic workflows, Plan Mode · korrigierte_Version: v2.1.116 (20. April 2026) · Versionen: `/goal` ausgeliefert in v2.1.139 (11. Mai 2026), Branch 2.1.x, Opus 4.8 standardmäßig · Hersteller: Anthropic

Anthropic hat «Claude Code» im September 2024 als terminalorientierten CLI-Coding-Agenten geschaffen, geschrieben in «TypeScript und React», der Codebasen direkt mit «grep et glob» durchsucht statt über einen Index. Boris Cherny (Head of «Claude Code») und Cat Wu (Head of Product) berichteten im Juli 2026, dass das Tool rund 90% seines eigenen Codes schreibt und dass bei Anthropic auch die Produkt-, DevRel- und Design-Teams damit programmieren. Die damit verbundenen Umsatzzahlen reichen von einer jährlichen Run-Rate von 500M$ bis zu rund 1 Milliarde $ annualisiert im November 2025.

Was weiter Aufmerksamkeit auf sich zieht, ist sein zweites Leben als Messinstrument. Z.ai führte im August 2026 fast alle seine «GLM-5.3»-Evaluierungen innerhalb von «Claude Code» 2.1.207 durch und nutzte dabei ein Anthropic-Testgeschirr, um sein eigenes Modell gegen die von Anthropic und OpenAI zu bewerten. DeepSeek lieferte einen «mode Minimal» ausdrücklich für Benchmarking in einer minimalen Umgebung aus, während das eigene Repository ein «CLAUDE.md» und ein .claude/skills-Verzeichnis führt.

Darum herum liegt eine Schicht aus Praxis statt Produkt: «CLAUDE.md», «Agent Skills», Hooks, «subagents», «git worktrees», «slash commands». Jarred Sumner betrieb etwa 64 «Claude Code»-Instanzen über vier «git worktrees» hinweg elf Tage lang, um «Bun» in Rust neu zu schreiben, zu Kosten von rund 165.000 $ an Tokens. Michael Segners Startup-Leitfaden vom August 2026 versammelt fünf Betriebsregeln aus fünfzehn namentlich genannten Unternehmen, mit Zahlen, die die Unternehmen selbst angegeben haben, und ohne genannte Erhebungsmethode.

Cherny verortet Anthropic auf Stufe 3 seiner eigenen fünfstufigen Adoptionsskala.

Typ
Technologie
Ansatz
Direkte Suche via grep/glob ohne Indexierung
Vorteil
Befolgen von Anweisungen, Codegenerierung, Werkzeugnutzung
Selbstschreibung
~90% des Codes von ihm selbst geschrieben
Kategorie
CLI-Codierungsagent
Kategorie
Codierungsagent (CLI)
Erstellungsdatum
September 2024
Kontextfenster
1 Million Tokens
Schnittstelle
Terminal-first-CLI-Agent
Geschäftsmodell
Proprietär, integriert in Claude Pro/Max
betroffene_Produkte
Claude Code, Claude Agent SDK, Claude Cowork
Umsatz
500M$ jährlich (Run-Rate)
Annualisierter Umsatz
~1 Milliarde $ (November 2025)
Rolle
De-facto-Evaluierungs-Framework des Beitrags: Version 2.1.207 wird als Messabhängigkeit für Terminal-Bench 2.1 und 3.0, Agents' Last Exam, CyberGym, ExploitGym, ExploitBench, PostTrainBench und SWE-Marathon genannt — ein chinesisches Labor misst damit sein eigenes Modell und die der Konkurrenz. Auch als kompatibler Client von GLM-5.3 genannt
kritisierte Rolle
„Behavioral funnel“ / Geisel-Schicht, die die Entwicklung einsperrt
Stack
TypeScript, React-Terminal
Nutzung
Coding-Agent, bei Anthropic bereichsübergreifend eingesetzt (Produkt, DevRel, Design schreiben Code) für eine durchgängige Lieferung
beschriebene_Nutzung
Ausführung detaillierter Pläne in Fidelity One und Two
Gemeldete Anwendungsfälle
Prototyping durch Nicht-Entwickler, Code-Review, Single-Purpose-Agenten, Self-Service-Analytics, unterstützter Rebuild; genannte Funktionen sind MCP, skills, CLAUDE.md, Code Review, hooks, dynamic workflows, Plan Mode
korrigierte_Version
v2.1.116 (20. April 2026)
Versionen
`/goal` ausgeliefert in v2.1.139 (11. Mai 2026), Branch 2.1.x, Opus 4.8 standardmäßig
Hersteller
Anthropic
Relationen
120
Zitiert in
53 fiches

Adoptionskennzahlen

Nachbarschaft

← hat erschaffen

Anthropic ORGANISATION hohe Konfidenz dynamisch Quelle ↗
Boris Cherny PERSONNE hohe Konfidenz stabil Quelle ↗
Cat Wu PERSONNE hohe Konfidenz stabil Quelle ↗

→ basiert auf

modèle Claude TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
Prompt caching CONCEPT hohe Konfidenz zeitlos Quelle ↗

→ ist eine Instanz von

agent terminal-first CONCEPT hohe Konfidenz stabil Quelle ↗

→ verwendet

subagents TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
TypeScript TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
Fenêtre de contexte de 1 million de tokens CONCEPT hohe Konfidenz dynamisch Quelle ↗
Ink TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
Bun TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
git worktrees TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
Haiku 4.5 TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
Opus 4.5 TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
Sonnet 4.5 TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
TypeScript et React TECHNOLOGIE hohe Konfidenz stabil Quelle ↗
grep et glob TECHNOLOGIE hohe Konfidenz stabil Quelle ↗
Plan subagent TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗

← verwendet

Jesse Vincent PERSONNE hohe Konfidenz dynamisch Quelle ↗
Rakuten ORGANISATION hohe Konfidenz stabil Quelle ↗
Compound Engineering METHODOLOGIE hohe Konfidenz dynamisch Quelle ↗
hyperresearch METHODOLOGIE hohe Konfidenz dynamisch Quelle ↗
infrastructure contexte codifié METHODOLOGIE hohe Konfidenz dynamisch Quelle ↗
Kieran Klaassen PERSONNE hohe Konfidenz dynamisch Quelle ↗
Salesforce ORGANISATION hohe Konfidenz stabil Quelle ↗
Salvatore Sanfilippo PERSONNE hohe Konfidenz dynamisch Quelle ↗

← konkurriert mit

Mistral AI CLI TECHNOLOGIE hohe Konfidenz stabil Quelle ↗

← gilt für

Agent Skills TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
Superpowers TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗
pédagogie socratique METHODOLOGIE hohe Konfidenz stabil Quelle ↗

→ ermöglicht

subagents CONCEPT hohe Konfidenz zeitlos Quelle ↗
HTML (format de sortie agent) METHODOLOGIE hohe Konfidenz zeitlos Quelle ↗
reconnaissance et exfiltration de données METHODOLOGIE hohe Konfidenz stabil Quelle ↗

← ist Teil von

plugin Compound Engineering TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗

← verbessert

SuperClaude TECHNOLOGIE hohe Konfidenz stabil Quelle ↗

← beobachtet in

Trois incidents de dégradation qualité EVENEMENT hohe Konfidenz stabil Quelle ↗

← veröffentlicht

Anthropic ORGANISATION hohe Konfidenz stabil Quelle ↗

← basiert auf

Augment Code TECHNOLOGIE hohe Konfidenz dynamisch Quelle ↗

→ verbessert

productivité ingénieur CONCEPT hohe Konfidenz dynamisch Quelle ↗

→ ist Teil von

Agents de codage TECHNOLOGIE hohe Konfidenz zeitlos Quelle ↗

Zitiert in (53)