ری رائٹ کیسے ہوا

Anthropic نے دسمبر 2025 میں Bun کو خریدا اور اس کے Zig کوڈ بیس کو Rust سے بدلنے کا فیصلہ کیا۔ کمپنی نے Claude Fable 5 کا ایک پری ریلیز ورژن استعمال کیا—جو اس وقت کسی اور کے لیے دستیاب نہیں تھا۔ ماڈل کی باسٹھ (64) کاپیاں متوازی طور پر کام کر رہی تھیں، جو مجموعی طور پر فی منٹ تقریباً 1,300 لائنیں کوڈ تیار کر رہی تھیں۔

لیڈ انجینئر Jarred Sumner نے یہ مسئلہ ایجنٹس کے حوالے کر کے ہاتھ نہیں دھوئے (یعنی صرف ایجنٹس پر نہیں چھوڑا)۔ انہوں نے پہلے کئی گھنٹے ایک ایسی گائیڈ تیار کرنے میں گزارے جس میں Zig کے انداز (idioms) کو Rust کے مساوی کوڈ کے ساتھ نقش کیا گیا تھا۔ تین فائلوں کے ایک آزمائشی مرحلے نے انہیں مکمل ریپوزٹری (repository) پر کام کرنے سے پہلے ایجنٹس کے آؤٹ پٹ کو درست کرنے کا موقع دیا۔ ایجنٹس کی ہر تجویز کردہ تبدیلی کے لیے، دو "adversarial" ایجنٹس نے اس کا جائزہ لیا، اور Sumner نے پورے 11 دنوں کے دوران اس عمل کا براہ راست مشاہدہ کیا۔

Anthropic کے اندرونی حساب کتاب کے مطابق ٹوکن کے استعمال پر $165,000 خرچ ہوئے۔ یہ رقم صرف ان خام API کالز کی عکاسی کرتی ہے جو کوڈ کے مین برانچ (main branch) میں ضم ہونے سے پہلے کی گئی تھیں۔

چھپا ہوا بل

$165 ہزار کی یہ رقم نئے Rust کوڈ کو مستحکم کرنے کے لیے درکار کمپیوٹ (compute) کو شامل نہیں کرتی۔ اندرونی تجزیے کے مطابق، کوڈ کے ضم ہونے کے بعد کی اصلاحات (post-merge fixes)، کنٹینیوس انٹیگریشن (continuous-integration) کے عمل، اور اضافی ٹیسٹنگ کے باعث کل اخراجات مزید بڑھ سکتے ہیں۔ یہ تخمینہ عوامی API قیمتوں پر مبنی ہے؛ چونکہ Claude Fable 5 ایک نجی پری ویو (private preview) تھا، اس لیے اصل ادا شدہ قیمت مختلف ہو سکتی ہے۔

رفتار بمقابلہ حفاظت

اس ری رائٹ کے نتیجے میں ایک ایسا Rust runtime تیار ہوا جو اصل Zig ورژن سے زیادہ تیز ہے، لیکن اس نے آڈٹ کا ایک بڑا بقیہ کام (backlog) بھی چھوڑ دیا ہے۔ نئے تیار کردہ Rust فائلوں میں سے تقریباً 4 فیصد میں "unsafe" بلاکس شامل ہیں—ایسا کوڈ جو Rust کی سخت حفاظتی ضمانتوں کو نظر انداز کر دیتا ہے۔ ہاتھ سے لکھے گئے Rust پروجیکٹس میں عام طور پر یہ شرح بہت کم ہوتی ہے، جس کا مطلب ہے کہ اب ریویورز کو اس بات کی تصدیق کرنی ہوگی کہ وہ بلاکس میموری کرپشن (memory-corruption) کے بگ پیدا نہ کریں۔

Sumner کی مہارت کے بغیر ایجنٹس کا آؤٹ پٹ بے معنی ہوتا۔ 1,300 لائنیں فی منٹ کی رفتار پر بھی، کوڈ کو ایک باخبر نگران کی ضرورت ہوتی ہے جو منطقی غلطیوں کو پکڑ سکے، آرکیٹیکچرل ہم آہنگی (architectural coherence) کو یقینی بنا سکے، اور اس بات کی تصدیق کر سکے کہ ٹیسٹ سویٹ (test suite) واقعی نئی پیلمنٹیشن (implementation) کا مکمل احاطہ کرتا ہے۔

جب AI چمکتا ہے، اور جب نہیں

Bun پورٹ ایک مثالی ترجمہ تھا: ایک زبان سے دوسری زبان میں، جبکہ ایک جامع ٹیسٹ سویٹ پہلے سے موجود تھا۔ اس واضح حد نے LLM کو ایک واضح ہدف دیا اور تخلیقی مسائل حل کرنے کی ضرورت کو محدود کر دیا۔ تاہم، زیادہ تر سافٹ ویئر کے کاموں میں کاروباری اصولوں کی تبدیلی، مبہم ضروریات کو سنبھالنا، یا بالکل نئے فیچرز بنانا شامل ہوتا ہے۔ ان پیچیدہ حالات میں، AI کی اسی سطح کی مدد سے اسی طرح کی رفتار یا لاگت کے فوائد ملنے کا امکان کم ہے۔

AI سے مدد یافتہ ڈویلپمنٹ کے حامی پیداواری صلاحیت کے خام اعداد و شمار—دقائق میں تیار کردہ ہزاروں لائنیں—کو اس بات کا ثبوت قرار دیتے ہیں کہ بڑے لینگویج ماڈلز بڑی ٹیموں کی جگہ لے سکتے ہیں۔ Anthropic کا یہ کیس اس نظریے کو حقیقت پسندی فراہم کرتا ہے: ہیڈ لائن ٹوکن لاگت میں کوڈ کے ضم ہونے کے بعد کی تصدیق کے لیے درکار خاطر خواہ کمپیوٹ شامل نہیں ہے، اور "unsafe" کوڈ سے پیدا ہونے والا حفاظتی قرض (safety debt) حل کرنے کے لیے انسانی کوشش درکار ہوگی۔

آگے کیا دیکھنا ہے

Anthropic نے یہ ظاہر نہیں کیا ہے کہ آیا وہ اسی Claude-driven ورک فلو کو دیگر کوڈ بیسز پر لاگو کرنے کا ارادہ رکھتا ہے۔ اگر ایسا ہوتا ہے، تو کمپنی کو صرف ٹوکن بل ہی نہیں بلکہ مجموعی لائف سائیکل لاگت کو بھی مدنظر رکھنا ہوگا۔ مبصرین کو درج ذیل چیزوں پر نظر رکھنی چاہیے:

  • آڈٹ کا بقیہ کام کتنی تیزی سے کم ہوتا ہے اور کیا ریویورز کے کوڈ کو ریفیکٹر (refactor) کرنے کے ساتھ "unsafe" کا تناسب کم ہوتا ہے۔
  • کیا مستقبل کے عمل میں کوئی ایسا زیادہ پختہ ماڈل استعمال کیا جاتا ہے جو عوامی طور پر خریدا جا سکے، جس سے لاگت کے تخمینے زیادہ شفاف ہو سکتے ہیں۔
  • Bun کے استعمال پر اثر: تیز رفتار رن ٹائم صارفین کو راغب کر سکتے ہیں، لیکن سیکیورٹی سے متعلق کوئی بھی خدشہ اس فائدے کو ختم کر سکتا ہے۔

خلاصہ

AI سادہ کوڈ ترجمے کی رفتار کو بہت بڑھا سکتا ہے، لیکن بعد کے مراحل میں کمپیوٹ اور انسانی تصدیق کے اخراجات ٹوکن بل کی بچت کو ختم کر سکتے ہیں۔ Bun کی ری رائٹ یہ ظاہر کرتی ہے کہ اگرچہ بڑے لینگویج ماڈلز تیزی سے کوڈ کی بڑی مقدار پیدا کر سکتے ہیں، لیکن حفاظت، درستگی، اور ان باریک کاموں کے لیے انسانی مہارت ناگزیر ہے جو زیادہ تر سافٹ ویئر پروجیکٹس کو کامیابی سے چلاتے ہیں۔