Linux skapare Linus Torvalds har tagit hjälp av AI-verktyget Claude Code för att optimera Linuxkärnan. I ett experiment har han lyckats mer än tredubbla antalet läsoperationer per sekund genom att förändra hur operativsystemet hanterar arbetsminnet. Resultatet visar AI-teknikens möjligheter inom avancerad programmering, men väcker också frågor om tillförlitlighet och säkerhet.
När processorkärnorna konkurrerar om minnet
Linux används i allt från mobiltelefoner och persondatorer till servrar och superdatorer. I centrum finns Linuxkärnan, som bland annat ansvarar för datorns minne, processorer och lagringsenheter.
En viktig uppgift är att se till att program snabbt kan läsa information från filer.
För att undvika onödiga läsningar från hårddiskar och SSD-enheter sparar Linux ofta använd fildata i arbetsminnet. Tekniken kallas page cache, eller sidcache.
Det fungerar ungefär som att ha viktiga dokument liggande på skrivbordet i stället för att behöva gå till arkivskåpet varje gång man behöver läsa dem.
Men även när informationen redan finns i arbetsminnet måste Linux hålla reda på vilka delar av minnet som används.
Här uppstår ett problem.
När flera programtrådar samtidigt läser information från samma fil behöver kärnan normalt uppdatera referensräknare som håller reda på hur många som använder en viss minnessida.
Varje uppdatering går snabbt, men när många processorkärnor arbetar parallellt kan de börja konkurrera om samma räknare.
Det kan jämföras med att åtta personer vill läsa samma bok, men först måste skriva in sig i en gemensam liggare och sedan stryka sitt namn när de läst klart.
Själva läsningen går snabbt. Det är administrationen runt omkring som bromsar arbetet.
AI hjälper till att hitta en snabbare lösning
Linus Torvalds bestämde sig för att undersöka om denna administration kunde minskas.
Till sin hjälp använde han Claude Code, ett AI-baserat programmeringsverktyg utvecklat av företaget Anthropic.
Resultatet blev åtta ändringar, så kallade patchar, som påverkar hur Linuxkärnan läser information från sidcachen.
Den nya metoden bygger på en teknik som redan finns i Linux och kallas Read-Copy-Update, förkortat RCU.
RCU gör det möjligt att under vissa förutsättningar läsa information utan att först behöva öka en referensräknare.
I stället ser systemet till att minnet inte återanvänds förrän pågående läsoperationer har kunnat avslutas.
Det betyder att flera processorkärnor kan läsa samma information utan att hela tiden behöva uppdatera gemensamma räknare.
Resultatet blir mindre konkurrens mellan processorerna och därmed möjlighet till högre prestanda.
Från 10 till över 30 miljoner läsningar per sekund
För att undersöka hur stor skillnaden blev genomförde Torvalds tester på sin egen bärbara dator.
Datorn hade en Intel Core i7-8565U med fyra processorkärnor och åtta trådar.
I ett av testerna fick åtta trådar upprepade gånger läsa 16 byte från samma fil, som redan fanns i arbetsminnets cache.
Resultatet var anmärkningsvärt.
| Test | Tidigare kod | Ny kod |
|---|---|---|
| 8 trådar | 10 miljoner/s | 30–33 miljoner/s |
| 4 trådar | 9–12 miljoner/s | 25–26 miljoner/s |
| 1 tråd | 8 miljoner/s | Nästan 9 miljoner/s |
Med åtta trådar ökade kapaciteten alltså från omkring 10 miljoner läsoperationer per sekund till över 30 miljoner.
Det motsvarar en förbättring på drygt 200 procent.
Även med fyra trådar blev förbättringen betydande. Däremot var skillnaden ganska liten när endast en tråd användes.
Det visar att den stora vinsten framför allt kommer av att minska konkurrensen mellan processorkärnorna.
Det betyder däremot inte att Linux generellt har blivit tre gånger snabbare. Förbättringen gäller en mycket specifik typ av arbetsbelastning där flera trådar läser små mängder information från samma fil.
AI skrev både programkod och tester
Det kanske mest uppseendeväckande med experimentet är hur arbetet genomfördes.
I dokumentationen till ändringarna, daterad den 10 oktober 2026, berättar Torvalds öppet att han använt Claude Code för en stor del av utvecklingsarbetet.
AI-verktyget hjälpte till att skriva själva programkoden, skapa testprogrammen, granska lösningen och formulera ett första utkast till dokumentationen.
Torvalds påpekar samtidigt att arbetet genomfördes under hans ledning och att han själv utförde prestandamätningarna.
Det är särskilt intressant eftersom Linuxkärnan är ett av världens mest granskade programvaruprojekt.
Ett litet programmeringsfel i kärnan kan orsaka allt från försämrad prestanda till systemkrascher och säkerhetsproblem.
Att AI nu används för att utveckla kod på denna nivå visar hur långt tekniken har kommit.
Samtidigt är det viktigt att understryka att AI inte har fått fria händer att ändra Linux. Torvalds har styrt arbetet och ansvarat för att bedöma resultatet.
Snabbare kod kan också skapa nya problem
Trots de imponerande resultaten är den nya lösningen långt ifrån färdig.
Den förändrade minneshanteringen innebär bland annat att vissa minnessidor måste behållas längre innan de kan återanvändas.
Det kan öka belastningen på minnessystemet och försämra prestandan i andra situationer.
När informationen som ska läsas inte redan finns i sidcachen kan den nya metoden dessutom innebära extra arbete.
Torvalds pekar själv på flera områden som behöver undersökas, bland annat minnesallokering, kompatibilitet och risken för prestandaförsämringar.
Det finns också begränsningar i själva mätningarna.
Testerna genomfördes på en enda dator med filsystemet ext4, och vissa säkerhetsåtgärder i processorn var avstängda.
Det återstår därför att undersöka hur tekniken fungerar på andra processorer, med andra filsystem och under verkliga arbetsbelastningar.
När kommer förbättringen till Ubuntu och Debian?
För vanliga Linuxanvändare innebär experimentet ännu ingen direkt förändring.
Ändringarna finns i en särskild experimentell utvecklingsgren som heter noref-filemap-read-with-llm.
Den är baserad på Linux 7.3-rc6 med ytterligare korrigeringar, men ändringarna har inte införts i den ordinarie Linuxkärnan.
Det innebär att användare av exempelvis Ubuntu, Debian och Fedora inte automatiskt får del av förbättringen.
Om tekniken visar sig vara tillförlitlig skulle den på sikt kunna vara särskilt användbar i servrar och andra system där många processorkärnor samtidigt läser information från samma filer.
För en vanlig persondator som används till webbsurfning, e-post och ordbehandling är det däremot inte säkert att förbättringen skulle märkas.
Kan AI bli framtidens kärnprogrammerare?
Experimentet väcker en större fråga: Vilken roll kommer artificiell intelligens att spela i framtidens programvaruutveckling?
AI används redan för att skriva program, föreslå förbättringar och upptäcka fel. Men här handlar det om betydligt mer avancerad programmering.
Minneshantering i en operativsystemskärna är ett område där små misstag kan få mycket stora konsekvenser.
Att Claude Code har kunnat hjälpa Linus Torvalds att utveckla och testa en lösning på denna nivå är därför anmärkningsvärt.
Det visar att AI kan fungera som ett kraftfullt hjälpmedel även för mycket erfarna programmerare.
Samtidigt visar experimentet varför mänsklig kompetens fortfarande behövs.
AI kan generera programkod och föreslå tekniska lösningar, men någon måste förstå konsekvenserna, granska säkerheten och avgöra om resultatet verkligen är en förbättring.
Det mest intressanta är därför inte bara att en AI-assisterad kodändring lyckades tredubbla prestandan i ett specialiserat test, utan att AI har kunnat bidra till utvecklingsarbetet i själva hjärtat av Linux.
Om ändringarna någonsin blir en del av den officiella Linuxkärnan återstår att se. Men Torvalds experiment visar redan hur samarbetet mellan människa och artificiell intelligens kan öppna nya möjligheter inom avancerad programvaruutveckling.
10 miljoner läsningar/s
30–33 miljoner läsningar/s
KERNEL: Linux 7.3-rc6 (testbas)
MAINLINE: EJ INFÖRD
DATUM: 2026-10-10
