மறுசீரமைப்பு எவ்வாறு நடந்தது

Anthropic நிறுவனம் டிசம்பர் 2025-இல் Bun நிறுவனத்தை வாங்கியதுடன், அதன் Zig codebase-ஐ Rust கொண்டு மாற்றத் தொடங்கியது. அந்த நிறுவனம் Claude Fable 5-இன் ஒரு முன்-வெளியீட்டுப் பதிப்பை (pre-release version) இயக்கின; இது அந்த நேரத்தில் வேறு யாருக்கும் கிடைக்காத ஒரு LLM ஆகும். அந்த மாதிரியின் (model) அறுபத்து நான்கு பிரதிகள் இணையாகச் செயல்பட்டு, மொத்தம் நிமிடத்திற்கு சுமார் 1,300 வரிகள் குறியீடுகளை (code) வெளியிட்டன.

தலைமைப் பொறியாளர் Jarred Sumner, இந்தப் பிரச்சனையை ஏஜெண்டுகளிடம் (agents) ஒப்படைத்துவிட்டு விலகிச் செல்லவில்லை. அவர் முதலில் Zig idioms-களை Rust-இன் இணையான கூறுகளுடன் இணைக்கும் ஒரு வழிகாட்டியைத் தயாரிக்க பல மணிநேரம் செலவிட்டார். முழுமையான களஞ்சியத்தை (repository) கையாளுவதற்கு முன், மூன்று கோப்புகளைக் கொண்டு ஒரு சோதனை ஓட்டத்தை மேற்கொண்டு, ஏஜெண்டுகளின் வெளியீட்டைச் சரிசெய்தார். ஏஜெண்டுகள் பரிந்துரைத்த ஒவ்வொரு மாற்றத்தையும், இரண்டு "எதிரி" (adversarial) ஏஜெண்டுகள் ஆய்வு செய்தன; மேலும் Sumner அந்த முழு 11 நாள் காலப்பகுதியிலும் இந்தச் செயல்முறையை நேரலையாகக் கவனித்தார்.

Anthropic நிறுவனத்தின் உள் கணக்கீட்டின்படி, $165,000 மதிப்பிலான டோக்கன் பயன்பாடு (token usage) பதிவாகியுள்ளது. குறியீடு முக்கிய கிளையில் (main branch) இணைக்கப்படுவதற்கு முன்பு செய்யப்பட்ட நேரடி API அழைப்புகளை மட்டுமே அந்தத் தொகை குறிக்கிறது.

மறைந்துள்ள செலவு

புதிய Rust குறியீட்டை நிலைப்படுத்தத் தேவையான கணினித் திறனை (compute) அந்த $165k தொகை கணக்கில் கொள்ளவில்லை. ஒரு உள் ஆய்வின்படி, இணைப்பிற்குப் பிந்தைய திருத்தங்கள் (post-merge fixes), தொடர்ச்சியான ஒருங்கிணைப்பு ஓட்டங்கள் (continuous-integration runs) மற்றும் கூடுதல் சோதனைகள் ஆகியவை மொத்தச் செலவை இன்னும் அதிகரிக்கக்கூடும். இந்த மதிப்பீடு பொதுவான API விலையைப் பயன்படுத்துகிறது; Claude Fable 5 ஒரு தனிப்பட்ட முன்னோட்டமாக (private preview) இருந்ததால், உண்மையில் செலுத்தப்பட்ட விலை மாறுபடலாம்.

வேகம் மற்றும் பாதுகாப்பு

இந்த மறுசீரமைப்பு, அசல் Zig பதிப்பை விட வேகமாக இயங்கும் ஒரு Rust runtime-ஐ உருவாக்கியது, ஆனால் இது கணிசமான தணிக்கை நிலுவையையும் (audit backlog) விட்டுச் சென்றது. புதிதாக உருவாக்கப்பட்ட Rust கோப்புகளில் சுமார் 4% "unsafe" தொகுதிகளைக் கொண்டுள்ளன—அவை Rust-இன் கடுமையான பாதுகாப்பு உத்தரவாதங்களைத் தவிர்க்கும் குறியீடுகள் ஆகும். கையால் எழுதப்பட்ட Rust திட்டங்களில் பொதுவாக இந்த சதவீதம் மிகக் குறைவாகவே இருக்கும், அதாவது அந்தத் தொகுதிகள் நினைவகச் சிதைவுப் பிழைகளை (memory-corruption bugs) ஏற்படுத்துவதில்லை என்பதை ஆய்வாளர்கள் இப்போது சரிபார்க்க வேண்டும்.

Sumner-இன் நிபுணத்துவம் இல்லாமல் ஏஜெண்டுகளின் வெளியீடு அர்த்தமற்றதாக இருந்திருக்கும். நிமிடத்திற்கு 1,300 வரிகள் என்ற வேகத்திலும், தர்க்கரீதியான பிழைகளைக் கண்டறியவும், கட்டமைப்புத் தொடர்ச்சியை (architectural coherence) உறுதிப்படுத்தவும், மற்றும் சோதனைத் தொகுப்பு (test suite) புதிய நடைமுறைப்பயன்பாட்டைத் துல்லியமாக உள்ளடக்கியிருப்பதை உறுதிப்படுத்தவும் ஒரு அறிவுள்ள மேற்பார்வையாளர் தேவை.

AI எப்போது சிறந்து விளங்குகிறது, எப்போது அவ்வாறு இல்லை

Bun போர்ட் (port) என்பது ஒரு சிறந்த மொழிபெயர்ப்பு உதாரணம்: ஏற்கனவே ஒரு விரிவான சோதனைத் தொகுப்பு இருந்த நிலையில், ஒரு மொழியிலிருந்து மற்றொரு மொழிக்கு மாற்றப்பட்டது. அந்தத் தெளிவான எல்லை LLM-க்கு ஒரு தெளிவான இலக்கைக் கொடுத்ததுடன், ஆக்கப்பூர்வமான சிக்கல் தீர்க்கும் தேவையையும் குறைத்தது. இருப்பினும், பெரும்பாலான மென்பொருள் பணிகள் மாறிவரும் வணிக விதிகள், தெளிவற்ற தேவைகளைக் கையாளுதல் அல்லது புதிய அம்சங்களை ஆரம்பத்திலிருந்து உருவாக்குதல் ஆகியவற்றை உள்ளடக்கியவை. இத்தகைய சிக்கலான சூழ்நிலைகளில், அதே அளவிலான AI உதவி இவ்வளவு வேகத்தையோ அல்லது செலவுச் சிக்கனத்தையோ வழங்க வாய்ப்பில்லை.

AI-ஆல் மேம்படுத்தப்பட்ட மேம்பாட்டு முறையை ஆதரிப்பவர்கள், நிமிடங்களில் ஆயிரக்கணக்கான வரிகள் உருவாக்கப்படுவதை ஒரு சான்றாகக் காட்டி, பெரிய மொழி மாதிரிகள் (LLMs) பெரிய குழுக்களுக்கு மாற்றாக அமையலாம் என்று கூறுகின்றனர். Anthropic-இன் இந்தச் சம்பவம் அந்தப் பார்வையைச் சற்றே மாற்றுகிறது: முக்கிய டோக்கன் செலவில் இணைப்பிற்குப் பிந்தைய சரிபார்ப்பிற்குத் தேவையான கணிசமான கணினித் திறன் (compute) சேர்க்கப்படவில்லை, மேலும் "unsafe" குறியீடுகளால் ஏற்படும் பாதுகாப்புப் பொறுப்புகளை (safety debt) தீர்க்க மனித முயற்சி தேவைப்படும்.

அடுத்து கவனிக்க வேண்டியவை

Anthropic நிறுவனம் இதே போன்ற Claude-ஆல் இயக்கப்படும் பணிப்பாய்வை (workflow) பிற codebase-களுக்கும் பயன்படுத்தத் திட்டமிட்டுள்ளதா என்பதைத் தெரிவிக்கவில்லை. அவ்வாறு செய்தால், நிறுவனம் டோக்கன் கட்டணத்தை மட்டும் கணக்கில் கொள்ளாமல், மொத்த வாழ்க்கைச் சுழற்சிச் செலவையும் (total lifecycle cost) கணக்கில் கொள்ள வேண்டும். ஆய்வாளர்கள் பின்வருவனவற்றைக் கவனிப்பார்கள்:

  • தணிக்கை நிலுவை எவ்வளவு விரைவாகக் குறைகிறது மற்றும் ஆய்வாளர்கள் குறியீட்டை மறுசீரமைக்கும்போது (refactor) "unsafe" விகிதம் குறைகிறதா என்பது.
  • எதிர்காலச் செயல்பாடுகள் பொதுவில் வாங்கக்கூடிய முதிர்ந்த மாதிரியைப் பயன்படுத்துகின்றனவா, இது செலவு மதிப்பீடுகளை மிகவும் வெளிப்படையானதாக மாற்றக்கூடும்.
  • Bun-இன் பயன்பாட்டில் ஏற்படும் தாக்கம்: வேகமான runtime பயனர்களை ஈர்க்கலாம், ஆனால் ஏதேனும் பாதுகாப்பு கவலைகள் இருந்தால் அது அந்தப் பலனைச் சமன் செய்துவிடும்.

சுருக்கம்

AI எளிமையான குறியீடு மொழிபெயர்ப்புகளை அதிவேகமாக்க முடியும், ஆனால் அதன் தொடர்ச்சியான கணினித் திறன் மற்றும் மனித சரிபார்ப்புச் செலவுகள் டோக்கன் கட்டணச் சேமிப்பைக் குறைத்துவிடக்கூடும். பெரிய மொழி மாதிரிகள் மிக விரைவாகப் பெருமளவிலான குறியீடுகளை உருவாக்கினாலும், பாதுகாப்பு, துல்லியம் மற்றும் பெரும்பாலான மென்பொருள் திட்டங்களை இயக்கும் நுணுக்கமான பணிகளுக்கு மனித நிபுணத்துவம் இன்றியமையாதது என்பதை Bun மறுசீரமைப்பு காட்டுகிறது.