Token效率鄙视链被打脸：实测证明，Rust才是AI编程时代的隐藏赢家
内容提要
Danluu通过Zstd解码器和Pandoc转换器两组真实工程评测，挑战了“动态语言更省Token”的观点。结果显示，在简单题目或低算力下动态语言占优，但高算力下静态语言反超。此前Rust表现差源于测试脚本符号链接Bug，修复后满分。C/C++代码存在内存安全问题，修复成本高。结论：无证据支持某语言天生适合AI编程，Rust被“平反”。
延伸解读
评测结论的适用边界
Danluu的评测显示，动态语言在简单题目或低算力下占优，但高算力下静态语言反超。这说明“动态语言更省Token”的结论有严格前提，不能泛化到所有场景。实际使用中，应根据任务复杂度和算力预算选择语言，而非盲目相信单一结论。
评测脚本Bug的警示
Rust表现差竟源于测试脚本的符号链接Bug，修复后满分。这提醒我们，跨语言评测的可靠性可能受脚本错误影响，引用结论前应核查评测环境。开发者不应因个别评测否定某语言，而应关注评测的严谨性。
内存安全的隐藏成本
Agent生成的C/C++代码普遍存在内存安全问题，修复到Rust级别需额外Token。这意味Token效率比较若忽略安全修复成本，可能高估动态语言或C/C++的优势。实际项目中，安全返工成本可能使Rust更具性价比。
语言流行度与AI表现
文章发现语言流行度与Agent表现呈弱到中等正相关，Rust作为主流语言受益。这暗示AI训练数据投入影响效果，冷门语言因数据少而表现不佳。选型时，可优先考虑主流语言，但需结合具体任务验证。
Q&A
Danluu的评测中，动态语言和静态语言在Token效率上的表现如何？
在中等算力档位，动态语言确实占优；但在最高算力档位，结论反转，静态语言反而更强。
为什么说Rust被冤枉了？
因为mame/ai-coding-lang-bench评测中，Rust失败是由于测试脚本的符号链接Bug，而非语言本身的问题。修复后Rust满分通过。
Danluu的评测使用了哪些任务？
他使用了两个真实工程任务：实现Zstd RFC解码器和复现Pandoc文档转换器。
C/C++代码在评测中暴露了什么问题？
几乎所有C程序和一个C++程序都被检测出内存安全问题，修复到Rust级别的安全性需要额外Token，这部分隐藏成本常被忽略。
语言流行度与AI编程表现有什么关系？
语言流行度与实测表现存在弱到中等的正相关，越流行的语言，Agent表现往往越好。Rust作为主流语言因此受益。
Danluu对“某语言天生适合AI编程”这一说法持什么态度？
他认为目前没有证据支持这种强结论，任何基于一两个任务得出的论断都需要打上问号。
