烧16.5万美元，AI 11天写完100万行
Bun 1.4 把底层代码从 Zig 重写成 Rust：11 天、6778 次提交、100 万行新代码，Token 烧掉 16.5 万美元，几乎全是 AI 写的。数字是真的，但结论得打折——翻译 100 万行不稀奇，修到能发布才难。程序员的活，正从写代码变成做验证。
一个人，11天，100万行
Jarred Sumner 最近干了件事：把 Bun 的大量底层代码，从一种叫 Zig 的编程语言，整体搬到了 Rust 上。
Bun 是个跑 JavaScript 的工具，据公开资料，它装在数百万开发者的电脑里。
这不是那种"AI 五分钟写个小网页"的演示。底层运行时重写，是过去按季度排期、还得配一整套回归测试的活儿——写错了不是页面丑一点，是几百万台机器上的程序直接跑不起来。
搬完之后，GitHub 上留下了一条合并记录：新增 1,009,257 行，删除 4,024 行。
11 天，6778 次提交，超过 100 万行新代码。
而这 100 万行，几乎不是人敲出来的。Jarred 先搭了一套 Agent 工作框架，然后把 AI 放进去，让它们并行重写。
注意这个顺序：先有框架，再有代码。这也是整件事里最容易被跳过的一步。
一边是11天，一边是好几个月
很多人看到这儿的第一反应是："不就是把 Zig 翻译成 Rust 吗？"
这种反应我理解。人面对自己没干过的工程量，第一反应通常都是"这有什么难的"。
但数字里藏着另一半故事：主体工程 11 天成型，之后又花了好几个月，让 Agent 继续改 Bug、跑测试、反复打磨，才敢跟着 Bun 1.4 一起发出去。
翻译出 100 万行代码，不稀奇。
稀奇的是把翻译出来的 100 万行，一路修到能装在几百万人电脑上不出事。那 16.5 万美元真正买到的，是后者。
所以下次再看到"某某项目用 AI 三天重写完毕"这种标题，你可以先在心里打个折：写出来的那天不算数，能跑起来的那天才算数。
卡点不在"写"，在人看不过来了
InfluxDB 的创始人 Paul Dix 看完这事，专门写了篇文章，标题叫《The End of Programming》。
标题挺唬人，但他的论点其实很朴素：我们熟悉的那种"程序员写代码、另一个程序员逐行 Review"的流程，正在失效。
不是因为写得差，是因为量太大。
他给了一组观察数据：OpenAI 和 Anthropic 内部的部分开发者，现在一周能提交几十甚至上百个 PR。
100 万行摊到 11 天，平均每天产出 9 万多行。你让谁逐行看？
这里得替 Review 制度说句公道话：它当初被发明出来，不是为了折磨人，是因为人会犯低级错误——变量名写错、边界条件漏掉、改了 A 忘了 B。读一遍，是最便宜的兜底。
可当产出方从"一天写几百行的人"换成"一天写九万行的机器"，这套兜底的人力和产出量就彻底脱钩了。
看不过来，流程就得改。改法也很直接：人不再逐行读代码，改成写清楚"要什么"和"什么算对"，然后让 Agent 在循环里自己跑，人只盯最终结果。
被挤掉的不是程序员，是"逐行 Review"这个规矩
这里有个反直觉的地方，外行特别容易搞反。
最先被挤掉的，不是"写代码的人"，而是"靠读代码来把关"这套制度。
Paul Dix 描述的新型工作流是四件事：写提示词、搭 Harness、做测试、设验证条件。
Harness 这个词听着唬人，说白了就是给 AI 搭的一套"考场"：题目怎么给、答案交给谁、跑完自动判几分、不及格就打回去重做。考场搭好了，考生是可以换的。
你会发现，这四件事里没有一件是"打字"，全是"定义什么算好"。
换句话说：代码本身在贬值，"标准"在升值。谁定义验收条件，谁才是真正在做决定的人。
当事人自己怎么说，以及哪些活暂时还安全
有意思的是，Paul Dix 自己也没把话说死。
他承认人类手写代码不会立刻消失。他还留了个更实在的判断：OpenAI 和 Anthropic 的开发者，现在相当于活在"普通程序员一两年后的世界"——最新模型随便用，Token 几乎管够。
把话说白：你今天看到的"11 天 100 万行"，是顶配模型 + 几乎不限量的 Token + 一个会搭框架的人，三者叠出来的结果。不是随便谁明天就能复刻的日常。
暂时还安全的，大概是这三类：
- 验收标准说不清的活：连"做对了长什么样"都描述不出来，Agent 就没法循环。
- 出事要有人签字的活：金融、医疗、基础设施，责任主体必须是人。
- 需要真实世界反馈的活：代码跑在机器里，需求长在人嘴里。
不写代码的人，现在能做的三件事
这事儿跟做产品、做运营、做决策的人有什么关系？有三条现在就能改。
第一，别再用"写了多少行代码"衡量技术团队的产出。 这个指标在 100 万行 11 天的尺度下已经完全失真，它只会奖励那些不爱删代码的人。换成"需求交付周期"和"线上故障率"，你会立刻看清团队真实状态。
第二，把预算和注意力挪到验收标准上。 测试用例、自动化流水线、可量化的验收条件——这些以前算"配套"，现在正在变成主资产。它们决定了你能不能放心让机器去写，也决定了你敢不敢换掉现在用的那个模型。
第三，招人或找外包时，多问一句"你怎么判断做对了"。 能讲清楚验证逻辑的人，比能背 API 的人稀缺得多。背 API 这件事本身，正在以肉眼可见的速度贬值。
本周三条快讯
顺手把这几天另外三件值得记的事挂上。
一、GPT-6 Astra 发布，OpenAI 主动踩了两周刹车。 9 月 3 日发布，官方公布的成绩是 FrontierMath Tier 4 得 97.6%、ARC-AGI-3 最高 99.9%、ExploitBench 100%。另一半更值得记：发布前，OpenAI 曾暂停两周前沿模型的强化学习训练，用来加固研究环境、补充监控与对齐评测，并公开承认模型能力正在逼近现有安全系统能承受的边界。高盛称它是 AI 牛市一直在等的能力突破，当天软银涨近 8%、甲骨文涨逾 3%。
二、英伟达 129.3 亿美元收购 Hugging Face。 9 月 3 日官宣，三位法国联合创始人各自身家约 18 亿美元。交易预计 2027 年上半年完成，英伟达承诺收购后继续保持其开放平台属性，三位创始人按 6 年留任协议继续任职。
三、Anthropic 冲刺 IPO。 正在敲定把循环信贷额度扩大到 150 亿美元，摩根士丹利牵头。据彭博社，IPO 最早可能在 9 月或 10 月，募资规模力争刷新纪录。其二季度营收超 115 亿美元，同比增长逾 14 倍。
16.5万美元买到的到底是什么
回到开头那个人。
Jarred Sumner 没有亲手敲那 100 万行 Rust。他干的是搭一条流水线，规定清楚"什么算迁移对了"，然后让机器去跑。
16.5 万美元买到的从来不是 100 万行代码，是一套能反复跑出可靠结果的流程。这两者之间的价差，就是接下来几年最值钱的那部分。
你所在的团队，现在拿什么指标衡量技术产出？还是行数吗？
觉得有用？点个关注，持续获取优质内容。