Bun 1.4 把运行时底层从 Zig 重写成 Rust，一次改动就「+1,009,257 行 / −4,024 行」、6,778 次提交、约 11 天、烧掉约 16.5 万美元 token。但核心开发者 Jarred Sumner 没有亲手敲出这 100 万行——他先搭了一套 harness，把 agent 放进去并行重写，之后几个月让 agent 继续修 bug、跑测试、反复打磨，直到稳定发布。同一天，Claude 用几乎一样的思路，端到端形式化证明了费马大定理（约 1,300 万行 Lean、约 60 亿 token、约 11 天）。两件标杆性事件，同一个答案：软件生产的单位，正在从「人写的一行行代码」变成「人设计的 harness + 被调度去执行的 agent」。

一、Bun 1.4 到底发生了什么

9 月初 Bun 1.4 正式发布，最炸裂的不是性能数字，而是它的来历。GitHub 合并记录显示，核心改动是 把大量底层代码从 Zig 重写成 Rust：一次提交就达到「+1,009,257 行、−4,024 行」。整段工程累计 6,778 次提交，全程 token 烧掉约 16.5 万美元。

关键不在这些数字，而在谁写的。主导整个项目的 Jarred Sumner 后来复盘：这 100 万行不是几百个程序员一点点敲出来的。他先搭了一套 agent 工作框架，定义好「应该怎么迁移、什么结果算正确」，然后把多个 agent 并行放进去推进；第一版出来后没有结束，而是让 agent 继续跑、继续测、继续修，几个月后才跟着 Bun 1.4 正式发布、跑在数百万开发者的电脑上。

**这里最容易看走眼的是「这不就是把 Zig 翻译成 Rust 吗」。**翻译出 100 万行不稀奇，能把这 100 万行一路修到稳定发布才是关键。Sumner 干的活更像搭流水线：定目标、定正确标准、搭测试与验证回路，再把 agent 放进去循环。代码让机器自己产，人盯结果。

二、真正的功劳不在「生成」，在「harness + 验证循环」

InfluxDB 创始人 Paul Dix 看完后写了一篇《The end of programming》，他的判断比表面更锋利：真正让他震动的不是 100 万行代码，而是 这 100 万行已经多到人根本看不过来。他观察到 OpenAI 和 Anthropic 内部一些开发者，现在一周能交几十甚至上百个 PR——到了这个量，逐行看代码基本成了不可能完成的任务。他们的新工作方式是：写 prompt、搭 harness、做测试、设验证条件，然后把 agent 放进去循环，人只盯结果。

这恰恰点破了「AI 写代码」最被误读的地方：成本曲线上，「生成」已经很便宜，「让它稳定、正确、能发布」才是贵的地方。Bun 那 16.5 万美元里，真正的大头不是第一次吐出 100 万行，而是之后几个月 agent 反复跑测试、修 bug、对齐行为的循环。生成是一次性开支，验证是持续开支。

图 1 · 编程单位的迁移：传统模式里人亲手写、人逐行 Review，瓶颈是人的 throughput；harness 模式里人设计架构/测试/验证，agent 并行生成，瓶颈变成了「验证回路够不够硬」。

**所以「编程终结」的说法只对了一半。**消失的是「人逐行敲代码再逐行 Review」这种具体动作；上升的是另一层能力——设计 harness、定义什么是正确、把验证做成 gate。程序员没有消失，是往上挪了一层：从写实现，变成写「让 agent 正确实现」的系统。这层活儿更难，也更值钱。

三、同一天，Claude 把费马大定理也「写」完了

如果说 Bun 是工业界的证据，同一天流出的另一件事是学术界的镜像。Anthropic 公开：Claude 用约 11 天，写出了费马大定理（FLT）首个端到端 Lean 形式化证明，约 1,300 万行 Lean、消耗约 60 亿 output token。

这件事的过程本身比结果更能说明问题。早期他们试过多 agent 并行，结果因为跟丢全局依赖而崩掉——每个 agent 只看到自己那块，定理之间的依赖链一断，整个证明就立不住。后来切换到 Prove2Me 开放协作平台加 Claude Code 式 harness：平台维护「定理 DAG」，陈述和证明分文件存放，用自然语言检索来复用已有结论。换句话说，又是 harness 救了场——不是模型突然变聪明，而是有人把「怎么协作、怎么不丢依赖、怎么复用」这套编排做对了。

图 2 · 同一天两件标杆性事件：Bun 的 100 万行 Rust 与 Claude 的 1,300 万行 Lean，都不是人一行行敲出来的，是 harness 调度 agent 跑出来的。共同答案不是「更强的模型」，而是「更好的 harness」。

把这两件事放一起看会很有意思：一个在重写生产运行时，一个在证明数论圣杯，领域差了十万八千里，但踩中的坑和用的解法高度一致——单 agent 搞不定大规模长任务，必须靠 harness 把任务拆对、把状态管住、把验证闭环。上一期我们聊「模型厂把 Astra 直接装机进 coding agent 的 harness」，那还算是厂商营销话术；这一期，它变成了已经在数百万开发者机器上跑着的产品事实。

四、harness 成为新的编程单位

所谓 harness，落到工程上就是一整套让模型稳定产出代码的能力组合：上下文与记忆管理、工具调用的编排、模型路由、护栏与权限、可观测与评估。它和「模型智商」是两件事。当生成越来越便宜、越来越强，真正稀缺和难复制的，是这套把模型接成稳定工作流的外壳。

这意味着几件正在发生的事：

• 「会写 prompt」不够了，要「会写系统」。 有价值的人，从「能写出漂亮函数」变成「能设计出让 agent 持续产出正确代码的 harness + 测试 + 验证回路」。
• Review 的含义变了。 你没法读 100 万行，只能验证 harness 产出的行为对不对。代码正确性越来越等于「测试/验证回路的正确性」——测试写得烂，等于把正确性交给了运气。
• 成本从「人天」变成「token + 验证回路」。 Bun 那 16.5 万美元是新型 opex：agent 循环烧 token、测试基础设施是固定投入。它便宜到离谱（100 万行摊下来每行几分钱），但必须被当作一条要观测、要预算的生产线来管。

一个被低估的风险：当没人读代码，正确性就完全押在测试上。 过去人 Review 是一道兜底，现在这道兜底被撤掉了。如果验证回路本身有盲区，100 万行里藏的坑不会有人逐行发现，只会在某次边界输入时爆。harness 越强，测试工程越不能偷工——这恰恰是最需要人来把关的地方。

五、对开发者与团队：别再只比谁的模型强

把 Bun、费马大定理、上一期的 Astra harness 连起来看，对正在把 coding agent 塞进工作流的团队，有几条现在就能落地的判断：

1. 把代码生成当「生产线」而非「代笔」来设计。 重点投入测试、CI、验证 gate 和回放，而不是纠结「让哪个模型写第一版」。第一版永远便宜，硬的是让它稳定。
2. 把 harness 能力当核心资产积累。 多模型路由、私有化与数据边界、领域适配、评估与可观测，这些「看不见」的能力决定你每天能不能稳定交付，也决定你不被任何一家模型厂绑死。
3. 把 token 与单任务成本做成可观测指标。 头部 10% 用户烧掉大部分 token 是真实存在的成本焦虑；不度量，就会被账单教育。Bun 的 16.5 万美元提醒我们：agent 循环的账单会远比「一次生成」贵。
4. 升维你的招聘与培养标准。 面试少问「这题怎么写」，多问「这活怎么拆给 agent、怎么验证它对」；衡量工程师，从「产出了多少行」转向「搭出了多可靠的 harness、交付了多少正确结果」。

六、其他动态（9 月 5-6 日）

• 模型Anthropic 发布 Fable 5.1 / Mythos 5.1，缓存读取价降 75% 至 $0.25 / 百万 token。 高 agent 任务成本再降约 45%，长上下文与持续对话场景直接受益。
• 观点吴恩达发文：使用 coding agent 已成关键 AI 工程技能。 强调「Agent = LLM + Harness」，超长时域任务的实际价值被过度吹捧，规划/执行/部署监控三环节才是真功夫。
• 世界模型李飞飞 World Labs 发布 Atlas 全模态世界模型。 单张静态图生成 1 分钟 1440p 高清动态视频，遵循光影与重力规律，面向影视/数字孪生/机器人仿真。
• 具身广量 Phi-Bot X1 在蔚来焊装线 21.5 小时零故障。 用「物理原生」世界模型训练、部署即退出，把推理成本留在训练期而非产线，思路值得工业具身借鉴。
• 具身星尘智能发布 SmoothRL。 让在线强化学习适配大模型异步、变长推理，专填机器人实时控制与模型推理延迟之间的鸿沟。
• Agent谷歌云发布数据库运维智能体。 Onboarding Agent + Observability Agent 深度集成 Gemini Cloud Assist，可自然语言选型、几分钟内给根因分析与修复建议。
• 工具Meta 发布 Muse Spark 1.3 / Muse Code 正式版。 长程 agentic 与 coding 任务工具调用 −20%、token −25%，多 agent 工作流 + 跨会话状态共享 + 开发者 SDK。
• 降本Spotify Portal 把 Claude Code token 用量砍 90%。 来自一线大厂的上下文工程实践（裁剪重复上下文、缓存、离载大结果、减少工具轮次）。
• 本地Perplexity 推 Portable Computer 本地 AI agent。 本地优先、需 24GB+ VRAM，复杂推理才请求云端并需用户授权，把隐私与成本留在自己机器上。
• 视频xAI Grok Imagine Video 1.5 agent 上线。 由 Image 2.0 驱动，多镜头连贯性增强，文生视频 Arena 排第 5（1491 分）。

**一句话收束：**Bun 1.4 用约 16.5 万美元 token、约 11 天产出 100 万行稳定发布的 Rust，Claude 用同样思路约 11 天形式化证明了费马大定理——两件标杆事件指向同一个判断：软件生产的单位，正在从「人写的一行行代码」变成「人设计的 harness + 被调度去执行的 agent」。生成已经很便宜，贵的是验证回路；程序员没有消失，是往上挪了一层，去写「让 agent 正确实现」的系统。当没人逐行读代码，正确性就完全押在测试与验证上——这恰恰是最该由人把关的地方。

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。

X

X / Twitter

关注 @ax2_zicode

更即时的技术观察、新文章提醒和一些短想法会发在 X 上。