تصور کنید بخواهید تمام لوله‌کشی یک آسمان‌خراشان را در حالی که مردم در آن کار می‌کنند، بدون توقف تغییر دهید و در نهایت فشار آب را هم بیشتر کنید. جرد سامنر (Jarred Sumner)، خالق ابزار Bun، دقیقاً همین کار را با کد خود کرد؛ او با به‌کارگیری ۶۴ نمونه موازی از نسخه پیش‌انتشار Claude Fable 5، بیش از یک میلیون خط کد را تنها در ۱۱ روز بازنویسی کرد.
همان‌طور که در تحلیل قبلی ما درباره‌ی رقابت ابزارهای کدنویسی در سال ۲۰۲۶ اشاره کردیم، این اقدام نشان‌دهنده تغییری بنیادین است؛ هوش مصنوعی دیگر فقط یک ابزار برای تکمیل خودکار جملات نیست، بلکه اکنون برای مهاجرت‌های کلان معماری نرم‌افزار استفاده می‌شود. برای غیربرنامه‌نویسان، این فرآیند شبیه به جابه‌جایی کامل موتور یک ماشین در حال حرکت است، بدون اینکه راننده متوجه لرزش شود.
به نقل از وب‌سایت the-decoder.com، دلیل این چرخش، نیاز به پایداری بیشتر بود. Bun در ۱۶ آوریل ۲۰۲۱ به‌عنوان یک تبدیل‌کننده از زبان Go به Zig شروع به کار کرد، اما طبق گزارش تیم توسعه، تمایل زبان Zig به ایجاد خطاهای حافظه و کرش‌های دشوار، به‌مرور به یک گلوگاه تبدیل شد. این چالش‌ها منجر به این شد که توسعه‌دهندگان راهکاری برای توقف کراش‌های مداوم سیستم با جایگزینی زبان Zig با Rust را جست‌وجو کنند.
اثرات فنی و هزینه‌ها
- عملکرد: نسخه آزمایشی (Canary) Bun v1.4.0 حدود ۲ تا ۵ درصد سریع‌تر از نسخه Zig اجرا می‌شود.
- پایداری: این بازنویسی ۱۲۸ باگ شناخته‌شده را برطرف کرد؛ چراکه از قابلیت زبان Rust در شناسایی خطاهای حافظه در زمان کامپایل (Compile-time) بهره برد.
- هزینه: صورت‌حساب API برای این دوی ۱۱ روزه، تقریباً ۱۶۵,۰۰۰ دلار بود.
این هزینه سنگین توسط شرکت Anthropic جذب شد که در دسامبر ۲۰۲۵ Bun و تیمش را خریداری کرد. این اتفاق ثابت می‌کند برای شرکت‌های دارای بودجه‌های کلان، هزینه توکن‌های API در مقایسه با حقوق و زمان یک سال کار تیم مهندسی انسان، ناچیز است؛ هرچند شرکت Anthropic همزمان تلاش می‌کند با به‌کارگیری الگوی Orchestrator هزینه استنتاج Claude Fable 5 را کاهش دهد تا بهره‌وری اقتصادی مدل‌های خود را بالا ببرد.
ما اکنون به سوی دوران «کدهای یک‌بارمصرف» یا «قابلیت مهاجرت سریع» می‌رویم؛ جایی که هوش مصنوعی می‌تواند کل زبان یک پروژه را در چند روز تغییر دهد. توسعه‌دهندگان باید اکنون منتظر نسخه‌های آزمایشی بیشتری باشند تا ببینند آیا کدهای Rust تولیدشده توسط AI می‌توانند پایداری بلندمدت را در ابزارهای با کارایی بالا حفظ کنند یا خیر.
گام بعدی شما
- اگر مدیر پروژه هستید، هزینه استخراج کد توسط AI را با هزینه حقوق سالانه تیم مهندسی مقایسه کنید.
- نسخه‌های Canary جدید Bun را برای بررسی پایداری کد Rust دنبال کنید.
- بررسی کنید آیا بخش‌های بحرانی نرم‌افزار شما پتانسیل مهاجرت زبانی با کمک مدل‌های استدلالی را دارند یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو