2025年1月、著者はLLMが反復的に'より良いコードを書け'と要求することでコードを改善できるかどうかをテストしました。虽れClaude Sonnet 3.5は最適化よりも機能追加に注力しましたが、仮説は変化しました：エージェント型LLMはRustの高性能コードを書け、PythonとのPyO3経由で橋け、既存のライブラリを超えることができるか？数ヶ月のテスト後、著者は現代のエージェントがRust実装を2倍から20倍の速度で生み出せることを確認しました（例：`unsafe`コードの禁止、criterionを使用した統計ベンチマークなどの適切なガードレールが必要）。

主要なテストケースはUMAP、次元削減アルゴリズムで、Pythonでスケール不良を示しました。`umap-rs`のような既存クレートをフォークする代わりに、エージェントは最小限の依存関係でアルゴリズムをゼロから書き、低レベルの最適化を可能にしました。Opus 4.5は入力サイズにわたるベンチマークを生成し、criterionの出力に基づいて反復的に実装を精緻化しました。

この'benchmaxxing'アプローチはRustのメモリ安全性とWASMコンパイルの可能性を活用します。著者はこれが推測的なことではないと強調します：プロンプトとベンチマーク結果が含まれており、反復的エージェント最適化が生産環境レベルの高性能システムコードを生成するようになったことを示しています。