實測打臉AI編程迷思：Rust才是隱藏贏家，動態語言省Token神話破滅

深入剖析真實工程任務（如 Zstd 解碼器）下 Rust 在 AI 程式碼生成時的 Token 效率表現，打破動態語言迷思，對開發團隊選型極具參考價值。

• 過去流傳「動態語言更省Token、更適合AI編程」的共識，主要建立在簡單的玩具題目上，無法反映真實的工程場景。 • 知名工程博主Danluu透過Zstd與Pandoc等真實工程任務評測發現，在中低算力下動態語言略佔優勢，但在最高算力檔位時靜態語言會反超。 • 流行評測中Rust表現不佳純粹是由於測試腳本的路徑Bug所致，修復後Rust直接獲得滿分，洗刷了所有權模型拖累AI效率的冤屈。 • 市面上的Token效率比較往往忽略了內存安全的隱藏成本，C與C++代碼若要修復到Rust的安全性水準，需要投入相當可觀的額外Token。 • 冷門「稠密」語言在實測試驗中普遍表現不佳，反而是代碼庫規模與流行度對AI表現有弱到中等的正相關。

目前沒有任何證據支持「某語言天生更適合AI編程」的強結論，Rust開發者無需再為所謂的Token效率鄙視鏈感到焦慮。