자바스크립트 생태계의 급부상한 스타 Bun 이 최근 기술 커뮤니티를 뜨겁게 달구고 있다. 그 이유는 단순히 성능 개선이 아니라, 개발 언어 자체가 Zig 에서 Rust 로 완전히 바뀐다는 사실 때문이다. 특히 이 이주가 Anthropic 의 AI 모델인 Claude 를 활용해 자동 생성된 코드 기반으로 진행되고 있다는 점이 핵심이다. 89,000 개의 스타와 월 700 만 건의 다운로드를 기록한 프로젝트가 AI 에 의해 언어를 갈아치우는 과정은 단순한 기술 업데이트를 넘어선 역사적 순간으로 인식되고 있다.
이 이주 작업의 규모는 상상을 초월한다. GitHub 의 `claude/phase-a-port` 브랜치만 봐도 1,799 개의 파일이 변경되었고, 추가된 코드 행 수는 77 만 9,000 여 줄에 달한다. 이 방대한 양의 코드를 사람이 일일이 작성하기보다 AI 가 생성해냈다는 점은 개발 방식의 패러다임 변화를 보여준다. Hacker News 등 주요 기술 커뮤니티에서는 이를 ‘바이브 코딩’의 극단적인 사례로 논쟁 중이다. 즉, 기술적 우위성보다는 AI 가 더 잘 다루는 언어를 선택하는 것이 현실적인 최적화 전략이 될 수 있다는 논리가 힘을 얻고 있다.
왜 하필 Rust 일까. 기술적 우수성도 한몫하지만, 결정적인 이유는 AI 의 학습 데이터 양에 있다. Rust 는 Zig 에 비해 방대한 양의 학습 데이터를 보유하고 있어, LLM 이 생성하는 코드의 품질과 안정성이 상대적으로 높다. Anthropic 이 Bun 팀을 인수한 배경에 클로드 코드(Claude Code) 가 Bun 을 사용한다는 점이 있었음을 고려하면, AI 가 더 잘 이해하고 생성할 수 있는 언어로 런타임을 전환하는 것은 AI 개발 속도와 효율성을 극대화하기 위한 전략적 판단으로 해석된다. 이는 2015 년 Go 런타임을 C 에서 Go 로 자동 변환했던 사례와 유사한 맥락이지만, 이번에는 AI 가 직접 변환 도구 역할을 수행한다는 점에서 차이가 있다.
이러한 변화는 향후 소프트웨어 개발의 방향성을 시사한다. 개발자가 직접 언어의 문법과 세부 사항을 깊이 있게 파고드는 것보다, AI 가 가장 잘 수행할 수 있는 언어를 선택하여 전체 시스템의 생산성을 높이는 시대가 도래했기 때문이다. 물론 AI 가 생성한 대규모 리팩토링이 실제 프로덕션 환경에서 얼마나 견고하게 작동할지는 시간이 증명해야 할 과제다. 하지만 AI 의 능력이 기술 스택 선택의 주요 변수가 된 지금, 개발자들은 AI 가 만든 코드의 신뢰성과 유지보수성을 면밀히 지켜봐야 할 시점에 서 있다.
작성자 소개
