En enero de 2025, el autor probó si los LLM podían mejorar el código de forma iterativa pidiéndoles repetidamente 'escribe un mejor código'. Mientras que Claude Sonnet 3.5 agregó características en lugar de optimizar, la hipótesis evolucionó: ¿pueden los LLM agentes escribir código Rust de alto rendimiento, puenteado a Python vía PyO3, superando las bibliotecas establecidas? Después de meses de pruebas con Claude Opus 4.5 y modelos posteriores de frontera, el autor confirma que los agentes modernos pueden producir implementaciones Rust 2x-20x más rápidas que los enfoques de vanguardia, siempre que se proporcionen proper guardrails (por ejemplo, prohibir código `unsafe`, usar criterion para benchmarking estadístico).

El caso principal de prueba fue UMAP, un algoritmo de reducción de dimensionalidad que no escala bien en Python. En lugar de hacer fork de crates existentes como `umap-rs`, el agente escribió el algoritmo desde cero con dependencias mínimas para habilitar optimizaciones de bajo nivel. Opus 4.5 generó benchmarks a través de diferentes tamaños de entrada, refinando iterativamente la implementación basándose en la salida de criterion.

Este enfoque de 'benchmaxxing' aprovecha la seguridad de memoria de Rust y el potencial de compilación a WASM. El autor enfatiza que esto no es especulativo: se incluyen las instrucciones y resultados de benchmarking, demostrando que la optimización agente iterativa ahora produce código del sistema de alta calidad y alto rendimiento.