Claude跑600次实验：3种语言快2.6倍，静态类型集体翻车

600次API调用，15门编程语言，Anthropic工程师花了两周让Claude Code重写Git。结果出来那天，静态类型的拥趸可能要重新算账——Ruby、Python、JavaScript包揽前三，速度是Rust、Java的1.4到2.6倍，成本还低40%。

这场实验的起因很直接：AI编程时代，选什么语言最省token、最不容易翻车？社区吵了两年，"类型安全派"和"动态灵活派"互相甩论文，但没人拿真实数据说话。Anthropic的工程师Sidney Keith决定自己跑一遍。

实验设计：让AI两周内"学会"Git

任务原型是Linus Torvalds两周写出来的Git。Keith把它拆成两个阶段：v1从零开始读SPEC实现基础功能，v2在此基础上追加需求。每门语言跑20次，模型统一用Claude Opus 4.6（高努力模式），总共600次运行。

语言名单覆盖了主流阵营：动态类型的Ruby、Python、JavaScript、Perl、Lua；静态类型的Rust、Go、Java、C、OCaml、Haskell；还有混合对照组——Python/mypy和Ruby/Steep，用来隔离"同一语言加类型检查"的纯开销。

评判指标很实在：总耗时、API成本、代码行数、往返轮次（Turns）。失败率也记录在案——600次里只挂了3次，Rust占2次，Haskell占1次。其中一次Rust失败时，Claude直接甩锅说"测试用例错了"，但其他19次都过了，判定为幻觉。

动态语言包揽前三：Ruby 73秒，Python 78秒，JavaScript 81秒。成本在0.36到0.39美元之间，标准差极低——又快又稳。

从第4名Go开始，画风突变。Go平均102秒，但标准差±37秒，波动比前三名的总和还大。Rust、Java、C依次排开，时间冲上110到130秒区间。最慢的是Haskell，v2阶段平均99.6秒，尽管它的代码行数只有224行，全场最精简。

时间和成本几乎完全挂钩。Ruby完成双版本任务花0.36美元，Haskell要0.79美元，C更是冲到0.93美元。静态类型省下的调试时间，在AI编程场景里似乎换不来真金白银。

类型检查的隐形税：Ruby加Steep慢3.2倍

对照组的数据最扎心。纯Ruby v1阶段平均33.2秒，加上RBS类型签名和Steep检查后飙到105.0秒——正好3.2倍。Python/mypy相对温和，从32.9秒涨到52秒左右，但涨幅仍达58%。

Keith分析，v1从零开始时差距最大。Rust需要Cargo.toml，Java要pom.xml或build.gradle，这些配置文件的生成和维护都要消耗额外轮次。Python、Ruby、JavaScript只需要一个单文件就能跑，启动成本几乎为零。

v2阶段差距收窄，但排序没变。Ruby 40.0秒，Python 41.8秒，JavaScript 45.1秒， Perl、OCaml、Lua咬在45到47秒区间。静态类型的Java和Rust仍在60秒开外，C因为代码膨胀到517行，拖到90.8秒。

代码行数和效率的关系也被打破。OCaml（216行）、Ruby（219行）、Haskell（224行）最精简，但后两者在速度和成本榜上垫底。C的517行是全场最长，时间却只排倒数第三。LOC不再是预测AI编程效率的可靠指标。

往返轮次（Turns）揭示了另一个真相：动态语言平均比静态语言少3到5轮对话。每轮都是API调用，都是token消耗，都是等待时间。

为什么静态类型在AI手里不吃香？

传统认知里，类型系统能防bug、省调试。但Keith的实验指向另一个变量：AI编程的核心瓶颈不是"写出正确代码"，而是"用最少交互达成目标"。

类型检查在这个场景里变成了额外负担。Claude需要生成类型签名，等待编译器反馈，再根据错误调整——这些轮次对人类开发者可能是"快速反馈"，对按token计费的API调用就是纯成本。Ruby/Steep的3.2倍 slowdown，本质上是一遍写代码、一遍写类型、再一遍对类型的三重开销。

动态语言的"跑通再打磨"模式反而更适配AI的工作流。Python和Ruby允许Claude先生成能工作的实现，再逐步优化，中间没有编译器打断节奏。JavaScript的弱类型在此刻成了优势：少写类型注解=少消耗token=少花时间和钱。

失败率数据也耐人寻味。Rust的2次失败和Haskell的1次失败，恰好来自类型系统最严格的阵营。Claude在Rust里出现的"测试错了"幻觉，暗示强类型约束可能加剧模型的固执——当代码通不过编译器时，AI更倾向于质疑外部世界而非自己的实现。

OCaml的意外：精简代码换不来效率

OCaml在实验里是个异类。216行代码全场最短，v2时间47.1秒却能挤进第二梯队，成本0.52美元介于动态语言和静态语言之间。Keith没有深入解释，但数据暗示：ML家族的类型推断可能减少了显式类型注解的负担，部分抵消了静态类型的开销。

但这只是猜测。OCaml的样本量、社区工具链成熟度、Claude训练数据中的OCaml代码质量，都是未被控制的变量。唯一确定的是：它的表现打破了"静态类型=慢且贵"的简单等式，却没有动摇整体格局。

Perl和Lua的表现也值得玩味。Perl 45.7秒、Lua 47.2秒，双双超过Java和Rust。两门"过时"语言在AI编程场景里复活，靠的是极简的语法和零配置启动。Perl的一行式传统、Lua的单文件哲学，意外契合了"少即是多"的token经济学。

C语言的517行代码是个警示。Claude在C里写了大量手工内存管理和错误处理样板，这些对人类是"可控的底层细节"，对AI是重复的token消耗。越接近硬件，AI的效率越低——至少在代码生成阶段如此。

实验的局限Keith自己也承认。单一任务（mini-git）、单一模型（Claude Opus 4.6）、20次样本量，都不能覆盖真实开发的复杂度。类型系统的长期维护价值、大型项目的重构安全、团队协作的可读性，这些人类视角的核心诉求被排除在指标之外。

但数据已经够尖锐了。当AI编程从尝鲜变成生产工具，语言选择的计算方式正在改写。不是"哪种语言最好"，而是"哪种语言让AI最快 cheapest 地到达正确结果"。在这个等式里，动态语言暂时领先，类型系统的溢价还没找到买单的理由。

Keith在实验笔记里留了句话：「我原本期待静态类型能显著减少幻觉bug，但600次运行里类型相关的失败并没有明显差异。」类型安全的人类价值，在AI的统计样本里被稀释了。

如果Claude Code下个月更新版本，或者换成GPT-5、Gemini 2.5，这个排序会洗牌吗？更重要的是——当你的团队开始用AI写核心代码，你会为了那40%的成本差距，把新项目从TypeScript迁回JavaScript吗？