返回列表
行业新闻BunRustAnthropic

Bun 宣布使用 Rust 重写核心:从 Zig 转向 Rust 的技术演进与稳定性抉择

高性能 JavaScript 运行时 Bun 官方宣布正在使用 Rust 语言进行重写。自 2025 年 12 月被 Anthropic 收购以来,Bun 团队利用 Claude Fable 5 辅助开发。尽管 Zig 曾助力 Bun 在一年内快速构建出涵盖转译、打包及包管理等庞大功能的生态,但随着每月下载量突破 2200 万,原有的 Zig 实现面临严峻的稳定性挑战。本次重写旨在通过 Rust 解决频繁出现的内存安全漏洞及系统崩溃问题。

Hacker News

核心要点

  • 技术栈转型:Bun 正在从最初的 Zig 语言重写为 Rust,旨在提升系统的长期稳定性。
  • AI 辅助开发:团队在重写过程中深度使用了 Anthropic 尚未发布的 Claude Fable 5 模型。
  • 收购背景:Bun 已于 2025 年 12 月被 AI 巨头 Anthropic 收购,目前团队在 Anthropic 内部运作。
  • 稳定性挑战:原文披露了 Zig 版本中存在的多个严重内存安全问题,包括 node:zlibnode:http2 中的堆使用后释放(heap-use-after-free)崩溃。
  • 市场地位:Bun 目前每月 CLI 下载量超过 2200 万次,并获得 Vercel、Railway 等主流平台的原生支持。

详细分析

从 Zig 到 Rust:成也性能,困于稳定

Bun 的诞生极具传奇色彩。作者最初受 esbuild 启发,于 2021 年选择 Zig 语言进行开发,凭借 Zig 对底层性能的极致控制,在短短一年内独自完成了包括转译器、打包机、包管理器及测试运行器在内的庞大工程。Zig 确实成就了 Bun 的早期爆发,使其在性能基准测试中遥遥领先。然而,随着项目规模的急剧扩张,Zig 在内存管理上的复杂性开始显现。原文中提到的多个 v1.3.14 版本的 Bug 实例,如在异步写入过程中重置流导致的崩溃,反映出在处理复杂的重入(re-entrant)回调和多线程交互时,原有架构难以保证绝对的安全。

Anthropic 的介入与 AI 驱动的重构

2025 年底被 Anthropic 收购是 Bun 发展史上的重要转折点。这不仅为团队提供了更强大的资源支持,更直接引入了顶尖的 AI 协作能力。作者透露,此次 Rust 重写的大部分工作是在 Claude Fable 5 的辅助下完成的。这标志着大型基础软件的开发模式正在发生变化:从纯人工编写底层代码,转向由经验丰富的架构师引导、高性能 AI 模型执行代码迁移与重构的新阶段。这种模式可能极大地缩短了从 Zig 到 Rust 这种跨语言重写的周期。

庞大生态下的稳定性压力

Bun 的目标不仅仅是一个运行时,它试图兼容 Node.js 的绝大部分 API(如 fs, net, tls 等)。这种“大而全”的定位在带来便利的同时,也带来了巨大的维护压力。目前 Bun 已成为 Claude Code 和 OpenCode 等流行工具的底层运行时,月下载量高达 2200 万。在如此高的工业负载下,任何微小的内存泄漏或崩溃都会被无限放大。转向 Rust 这一拥有强内存安全保证的语言,是 Bun 走向成熟、成为企业级生产环境首选运行时的必然选择。

行业影响

Bun 转向 Rust 可能会在开发者社区引发对 Zig 与 Rust 在大型项目适用性上的新一轮讨论。对于 JavaScript 生态而言,这预示着 Bun 将进入一个以“稳定性”为核心的新阶段,进一步挑战 Node.js 的统治地位。同时,这也展示了 AI 公司(如 Anthropic)如何通过收购核心基础设施工具来完善其 AI 开发工具链,形成从模型到运行时的全栈闭环。

常见问题

问题 1:为什么 Bun 最初选择 Zig 而不是 Rust?

作者在 2021 年被 Zig 的单页语言参考手册所吸引,看重其对底层性能的精细控制。Zig 简洁的特性使得作者能在一年内独自构建出功能极其复杂的 Bun 初始版本,这是当时其他语言难以实现的开发效率。

问题 2:重写后的 Bun 会失去性能优势吗?

虽然原文未详细对比性能变化,但 Rust 同样是高性能系统级语言。重写的主要动力是解决稳定性问题(如 use-after-free 崩溃),在 Rust 的所有权模型下,这些问题可以在编译期或通过更安全的抽象得到解决,从而提供更可靠的服务。

问题 3:Claude Fable 5 在重写中起到了什么作用?

作者明确表示在 Rust 重写过程中大量使用了预发布版本的 Claude Fable 5。这表明 AI 在理解复杂的 Zig 逻辑并将其转换为安全的 Rust 代码方面发挥了关键的辅助作用,加速了项目的迭代进度。

相关新闻

美团发布LongCat-2.0:首个五万卡国产算力集群训练的1.6T万亿参数模型
行业新闻

美团发布LongCat-2.0:首个五万卡国产算力集群训练的1.6T万亿参数模型

美团技术团队正式发布LongCat-2.0,这是业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型。该模型总参数量达1.6T,原生支持1M超长上下文,专门针对Agentic Coding任务进行了深度优化,旨在提升代码理解、生成与执行的效率与稳定性,标志着国产算力在大模型全流程应用上的重大突破。

美团履约团队ACL 2026前沿技术分享:大模型Agent体系赋能业务实践
行业新闻

美团履约团队ACL 2026前沿技术分享:大模型Agent体系赋能业务实践

美团业务研发平台履约AI算法团队近期分享了其在ACL 2026会议上的精选论文及前沿技术实践。团队专注于构建以大模型为基础的Agent技术体系,通过CPT、Post-training、Agentic RL及多模态理解等核心技术,打造自进化的Agent运营系统,旨在利用AI深度赋能美团履约业务,提升系统智能化水平。

美团技术团队分享搜索推荐ASX专场顶会论文:聚焦大模型Agent技术体系
行业新闻

美团技术团队分享搜索推荐ASX专场顶会论文:聚焦大模型Agent技术体系

美团业务研发平台/搜推 ASX (Agentic System X) 团队近期公开了其在 AI 国际顶会(如 ICLR、NeurIPS 等)发表的数十篇高质量研究成果。该团队核心聚焦于构建以大模型为基础的 Agent 技术体系,深耕大模型后训练、Agentic 强化学习及多模态理解等前沿方向。本次分享精选了 6 篇具有代表性的论文进行解读,旨在为行业提供关于搜索推荐领域技术演进的深度启发。