ફરીથી લખવાની પ્રક્રિયા કેવી રીતે થઈ

Anthropic એ ડિસેમ્બર 2025 માં Bun ખરીદ્યું અને તેના Zig કોડબેઝને Rust સાથે બદલવાનું નક્કી કર્યું. કંપનીએ Claude Fable 5 નું પ્રી-રિલીઝ વર્ઝન ચલાવ્યું—જે તે સમયે અન્ય કોઈ માટે ઉપલબ્ધ નહોતું તેવું LLM હતું. મોડેલની 64 નકલો સમાંતર રીતે કામ કરી રહી હતી, જે કુલ મળીને દર મિનિટે અંદાજે 1,300 લાઇન કોડ તૈયાર કરી રહી હતી.

લીડ એન્જિનિયર Jarred Sumner એ સમસ્યા એજન્ટોના હવાલે કરીને હાથ ધોઈ ના લીધા. તેમણે પહેલા Zig idioms ને Rust ના સમાન શબ્દો સાથે જોડતી એક માર્ગદર્શિકા તૈયાર કરવામાં કલાકો વિતાવ્યા. ત્રણ-ફાઇલના ટ્રાયલ રન દ્વારા તેમણે સંપૂર્ણ રિપોઝિટરી પર કામ કરતા પહેલા એજન્ટોના આઉટપુટને કેલિબ્રેટ કરી લીધું. એજન્ટોએ સૂચવેલા દરેક ફેરફાર માટે, બે "adversarial" એજન્ટોએ તેની સમીક્ષા કરી, અને Sumner એ આખી 11 દિવસની પ્રક્રિયા લાઇવ જોઈ હતી.

Anthropic ના આંતરિક હિસાબ મુજબ $165,000 ના ટોકન વપરાશ નોંધાયા હતા. આ આંકડો માત્ર કોડ મુખ્ય બ્રાન્ચમાં મર્જ (merge) થાય તે પહેલાં કરવામાં આવેલા રો (raw) API કોલ્સને દર્શાવે છે.

છુપો ખર્ચ

$165k નો આ આંકડો નવા Rust કોડને સ્થિર કરવા માટે જરૂરી કમ્પ્યુટિંગ (compute) ને બાકાત રાખે છે. આંતરિક વિશ્લેષણ મુજબ, મર્જ પછીના સુધારા (post-merge fixes), કન્ટિન્યુઅસ-ઇન્ટિગ્રેશન રન અને વધારાના પરીક્ષણો કુલ ખર્ચને વધુ વધારી શકે છે. આ અંદાજ જાહેર API કિંમતોનો ઉપયોગ કરે છે; કારણ કે Claude Fable 5 એક પ્રાઇવેટ પ્રિવ્યૂ હતું, તેથી ચૂકવવામાં આવેલી વાસ્તવિક કિંમત અલગ હોઈ શકે છે.

ઝડપ વિરુદ્ધ સુરક્ષા

આ રાઇટરાઇટથી એક એવું Rust runtime તૈયાર થયું જે મૂળ Zig વર્ઝન કરતા ઝડપથી ચાલે છે, પરંતુ તે ઓડિટનું મોટું બેકલોગ (બાકીનું કામ) પણ છોડી ગયું છે. નવેસરથી જનરેટ થયેલ Rust ફાઇલોના લગભગ 4% માં "unsafe" બ્લોક્સ છે—એવો કોડ જે Rust ની કડક સુરક્ષા ગેરંટીઓને અવગણે છે. હાથથી લખાયેલા Rust પ્રોજેક્ટ્સમાં સામાન્ય રીતે આ ટકાવારી ઘણી ઓછી હોય છે, જેનો અર્થ છે કે હવે રિવ્યુઅર્સે એ ચકાસવું પડશે કે તે બ્લોક્સ મેમરી-કરપ્શન બગ્સ (memory-corruption bugs) ને નોતરે નહીં.

Sumner ની કુશળતા વગર એજન્ટોનું આઉટપુટ નિરર્થક હોત. દર મિનિટે 1,300 લાઇન હોવા છતાં, લોજિકલ ભૂલો પકડવા, આર્કિટેક્ચરલ સુસંગતતા સુનિશ્ચિત કરવા અને ટેસ્ટ સ્યુટ ખરેખર નવા અમલીકરણને આવરી લે છે કે નહીં તે કન્ફર્મ કરવા માટે કોડને જાણકાર દેખરેખકની જરૂર છે.

જ્યારે AI ચમકે છે, અને જ્યારે તે નથી ચમકતું

Bun પોર્ટ એક આદર્શ અનુવાદ (textbook translation) હતો: એક ભાષામાંથી બીજી ભાષામાં, જેમાં વ્યાપક ટેસ્ટ સ્યુટ પહેલેથી જ તૈયાર હતું. તે સ્પષ્ટ સીમાએ LLM ને એક સ્પષ્ટ લક્ષ્ય આપ્યું અને સર્જનાત્મક સમસ્યા-નિવારણની જરૂરિયાતને મર્યાદિત કરી. જોકે, મોટાભાગના સોફ્ટવેર કામમાં બદલાતા બિઝનેસ નિયમો, અસ્પષ્ટ જરૂરિયાતોનું સંચાલન અથવા શૂન્યથી નવી સુવિધાઓ બનાવવાનો સમાવેશ થાય છે. આવા જટિલ સંજોગોમાં AI સહાયનું સમાન સ્તર તેટલી જ ઝડપ અથવા ખર્ચના ફાયદા આપવાની શક્યતા ઓછી છે.

AI-વધારેલ (AI-augmented) ડેવલપમેન્ટના સમર્થકો કાચા ઉત્પાદકતાના આંકડાઓ—મિનિટોમાં જનરેટ થયેલી હજારો લાઇન—તેના પુરાવા તરીકે દર્શાવે છે કે લાર્જ લેંગ્વેજ મોડલ્સ મોટી ટીમોનું સ્થાન લઈ શકે છે. Anthropic નો કિસ્સો આ દૃષ્ટિકોણને થોડો મર્યાદિત કરે છે: મુખ્ય ટોકન ખર્ચમાં મર્જ પછીના વેરિફિકેશન માટે જરૂરી નોંધપાત્ર કમ્પ્યુટિંગનો સમાવેશ થતો નથી, અને "unsafe" કોડ દ્વારા ઊભું થયેલું સેફ્ટી ડેબ્ટ (safety debt) ઉકેલવા માટે માનવીય પ્રયત્નોની જરૂર પડશે.

આગળ શું જોવું

Anthropic એ જાહેર કર્યું નથી કે તે અન્ય કોડબેઝ પર પણ આ જ Claude-સંચાલિત વર્કફ્લો લાગુ કરવાનું વિચારે છે કે નહીં. જો તે તેમ કરશે, તો કંપનીએ માત્ર ટોકન બિલ જ નહીં, પરંતુ કુલ લાઇફસાયકલ ખર્ચને પણ ધ્યાનમાં લેવો પડશે. નિરીક્ષકોએ આ બાબતો પર નજર રાખવી જોઈએ:

  • ઓડિટ બેકલોગ કેટલી ઝડપથી ઘટે છે અને રિવ્યુઅર્સ જ્યારે કોડને રિફેક્ટર (refactor) કરે ત્યારે "unsafe" પ્રમાણ ઘટે છે કે નહીં.
  • શું ભવિષ્યના રન માટે વધુ પરિપક્વ મોડેલનો ઉપયોગ કરવામાં આવશે જે જાહેરમાં ખરીદી શકાય તેવું હોય, જે ખર્ચના અંદાજોને વધુ પારદર્શક બનાવી શકે છે.
  • Bun ના સ્વીકાર (adoption) પર અસર: ઝડપી રનટાઇમ્સ વપરાશકર્તાઓને આકર્ષી શકે છે, પરંતુ કોઈપણ સુરક્ષા ચિંતાઓ તે લાભને સરભર કરી શકે છે.

સારાંશ

AI સીધા કોડ અનુવાદને અત્યંત ઝડપી બનાવી શકે છે, પરંતુ ડાઉનસ્ટ્રીમ કમ્પ્યુટિંગ અને માનવીય વેરિફિકેશન ખર્ચ ટોકન-બિલની બચતને ઘટાડી શકે છે. Bun નું રાઇટરાઇટ દર્શાવે છે કે જોકે લાર્જ લેંગ્વેજ મોડલ્સ ઝડપથી વિશાળ માત્રામાં કોડ જનરેટ કરી શકે છે, તેમ છતાં સુરક્ષા, ચોકસાઈ અને મોટાભાગના સોફ્ટવે