เบื้องหลังทำ claude.ai เร็วขึ้น 3 เท่าในสองสัปดาห์: วัดผลได้เมื่อไร Claude ก็ไล่ปรับให้เร็วขึ้นได้
How we made claude.ai 3x faster in two weeks
วันที่ 23 กันยายน 2026 Raymond Wang, Sam Attard และ Issac G. เขียนเล่าว่าทำให้ claude.ai ทั้งบนเว็บและแอป desktop เร็วขึ้นประมาณ 3 เท่าโดยเฉลี่ยได้อย่างไร (3.1 เท่า คิดแบบ geometric mean จาก 13 การวัด) ใช้เวลาแค่สองสัปดาห์ เครื่องมือหลักคือ Claude Tag (beta) ที่รันโมเดลวิจัยภายในซึ่งทีมบอกว่าใกล้เคียง Opus 5.5 ทำงานอยู่ใน Slack channel เดียว มีคำสั่งประจำให้หาคอขวดเอง สร้าง benchmark และเสนอวิธีปรับแต่ง
ผลที่ชัดที่สุดคือเวลาตั้งแต่เปิด claude.ai ครั้งแรกจนพิมพ์ได้ ลดจาก 3.1 วินาทีเหลือ 0.55 วินาที (เร็วขึ้น 5.6 เท่า) การโหลดบทสนทนาบนเว็บลดจาก 1,557 เหลือ 646 มิลลิวินาที ตอนสตรีมคำตอบยาว ๆ main thread เคยถูกบล็อกรวมราว 750 มิลลิวินาที ตอนนี้เหลือราว 200 มิลลิวินาที ส่วน sidebar re-render น้อยลง 90%
บทเรียนหลักของบทความคือประโยคว่า “With Claude, measuring something makes it tractable” ทีมสร้าง benchmark ที่ให้ผลแน่นอนทุกครั้ง เช่น นับ CPU instruction ด้วย Valgrind, นับจำนวน V8 call, นับ React commit, style recalculation และ DOM mutation ค่าเหล่านี��เชื่อถือได้กว่าการจับเวลาแบบ wall-clock ที่แกว่งไปมา จึงใช้เป็นเกณฑ์ใน CI ได้ ลูปการทำงานคือหา user journey ที่ช้า สร้าง benchmark ในแล็บ ให้ Claude เปิด PR ขนาดพอเหมาะกับความเสี่ยง ปล่อยหลัง feature flag ดูข้อมูลจากผู้ใช้จริง แล้วขยับเกณฑ์ benchmark ให้เข้มขึ้นทุกครั้งที่ทำได้ดีขึ้น
เทคนิคที่เอาไปใช้ต่อได้ เช่น ฝัง composer แบบ static ลงใน HTML ให้ผู้ใช้เริ่มพิมพ์ได้ระหว่างที่ React ยัง initialize อยู่ และ precompile V8 code cache ให้ main process ของแอป desktop ไม่ต้อง compile ใหม่ทุกครั้ง อีกข้อที่คนทำเว็บภาษาไทยควรรู้คือ ถ้า markdown ของคำตอบมีอักขระนอก Latin-1 แม้แค่ em dash หรือ curly quote ตัวเดียว V8 จะเก็บทั้ง string เป็น UTF-16 ซึ่งกลายเป็นต้นทุนที่ทีมต้องแก้ใน syntax highlighting นอกจากนี้ Valgrind ยังเจอว่าหนึ่งในสี่ของ instruction ใน hot path แรกเป็น megamorphic dictionary lookup
ความเร็วระดับนี้มาได้เพราะมีรั้วกั้นครบ ทุก PR ผ่าน automated code review และต้องมีคนอนุมัติ มี test ก่อนเริ่ม optimize และทยอยปล่อยผ่าน feature flag ตลอดสองสัปดาห์เพิ่ม flag ไปเกือบ 200 ตัว ลบทิ้งไปแล้วกว่าครึ่งก่อนจบงาน สุดท้าย merge ไปมากกว่าสามพัน changes โดยไม่มี incident ฝั่งลูกค้าหรือการ rollback เลยสักครั้ง ส่วนคนเป็นผู้กำหนดทิศทาง ขอบเขต และตัดสินเรื่องความสวยงาม