Bun 的 Rust 迁移并非由单个 AI 完成，而是靠 Anthropic 的 Fable 模型编排了 64 个并行智能体。Fable 本身并非公开产品，而是 Anhtropic 内部用于大规模代码迁移的 Agent 系统。其工作流程是：先由 Jarred Sumner 花 3 小时编写移植指南，然后 64 个智能体按分工并行执行，两天内完成主体代码生成，再用一夜修复约 16,000 个编译器错误。支撑这一疯狂速度的，是每百万 token 数美元的 API 定价——总耗 16.5 万美元，但作者认为比一年人力成本划算得多。

Bun 从 Zig 迁移到 Rust 的直接导火索是内存安全问题。原文作者 Jarred Sumner 坦承，Zig 代码库持续出现「use-after-free」「双重释放」和「忘记释放」等错误，而这些问题在安全 Rust 中会被编译器直接拦下。Zig 的设计哲学是「把控制权还给程序员」，等同于把犯错机会也还回去——它没有 Rust 所有权模型那样的编译期安全网。业内已有「Rust 开发者叛逃 Zig」的案例，两者之争本质是「工程安全优先」还是「底层控制优先」的价值观对撞。

与 Bun 的乐观叙事形成鲜明对比，Gartner 在 2026 年报告中警告：超过 70% 在当年启动的 AI 驱动大型机迁移项目将无法实现预期目标，核心原因是「生成式 AI 在代码转换方面的营销承诺与实际能力之间存在巨大落差」。Gartner 认为，大型机数十年积累的隐式业务逻辑、复杂互联关系和高吞吐量要求，AI 无法可靠复现。Bun 迁移成功的关键前提——极健壮的测试套件和深度理解代码库的工程师——恰恰是大多数企业不具备的。

16.5 万美元的 API 费 + 11 天，重写 53 万行代码——这个数字正在改写软件工程的经济模型。当下能看到的关键变量有三个：1) 推理成本还在快速下降，GPT-5.6 系列输出 token 成本已比 Fable 5 降低约三分之一；2) 企业级 AI 定价从订阅制转向按算力消耗付费，重度迁移项目成本可能翻倍；3) Anthropic 内部 80% 代码已由 AI 生成，工程师人均产出提升 8 倍。焦点不是「要不要 AI 重写」，而是「当 token 成本足够低，哪些遗留系统值得第一批试水」。

Bun 迁移成功的第二支柱是「极其健壮的测试套件」，但这对大多数遗留系统不成立。真正值得追问的问题不是「如何让 AI 写代码」，而是「如何让 AI 帮你补上缺失的测试——即用 AI 生成测试来覆盖被迁移代码的行为」。已有实践表明，AI 生成的单元测试行覆盖率可达 65-75%，但分支覆盖率和异常路径覆盖仍是短板。如果测试套件本身就不够，AI 重写后的代码正确性靠什么验证？交叉审查（让不同模型互审）或是出路，但成本也因此翻倍。