Projekt Zig zakazuje wszystkich form LLM w rozwoju kodu. Bun osiągnął 4x wzrost wydajności, ale nie może udostępnić kodu z powodu polityki anti-AI.
Urządzenia intymne z AI za 20 funtów uczą się naszych preferencji, gromadząc dane biometryczne bardziej osobiste niż historia przeglądania internetu.

Google ogłosiło ponad 260 nowości AI, w tym platformę agentyczną Gemini Enterprise, model Gemma 4 i bezpłatne Google Vids dla wszystkich użytkowników.
Projekt Zig wprowadził jedną z najsurowszych polityk antytechnologicznych w świecie open source, całkowicie zakazując użycia dużych modeli językowych (LLM) w jakiejkolwiek formie współtworzenia kodu. Decyzja ta wywołała szeroką dyskusję o przyszłości rozwoju oprogramowania i roli AI w projektach open source, jak opisuje Simon Willison na swoim blogu.
Polityka Zig Foundation jest bezwzględna: żadnych LLM w issues, pull requestach czy komentarzach w bug trackerze. Nawet tłumaczenia muszą być wykonywane przez ludzi, a nie przez narzędzia AI.
Loris Cro z Zig Software Foundation wyjaśnia filozofię stojącą za zakazem w koncepcji „contributor poker”. Podobnie jak w prawdziwym pokerze, gdzie „gra się przeciwko osobie, nie przeciwko kartom”, w rozwoju open source stawia się na kontrybutora, a nie na zawartość jego pierwszego pull requesta.
„Zig ceni współtwórców bardziej niż ich wkład. Każdy kontrybutor reprezentuje inwestycję zespołu Zig — głównym celem recenzowania i akceptowania PR-ów nie jest dodanie nowego kodu, ale pomoc w rozwijaniu nowych współtwórców, którzy z czasem mogą stać się zaufani i produktywni” — tłumaczy Cro.
To podejście oznacza, że nawet gdy projekty otrzymują więcej pull requestów niż są w stanie przetworzyć, Zig świadomie wybiera pomaganie początkującym programistom zamiast odrzucania niedoskonałych kontrybuji.
Najbardziej widocznym przykładem konsekwencji tej polityki jest runtime Bun — najważniejszy projekt napisany w Zig. Po przejęciu przez Anthropic w grudniu 2025, Bun intensywnie wykorzystuje asystę AI w rozwoju. Zespół osiągnął znaczący przełom, implementując równoległą analizę semantyczną i wielokrotne jednostki generowania kodu w backendzie LLVM, co rezultuje w 4x poprawą wydajności kompilacji.
Jednak mimo technicznych osiągnięć, @bunjavascript otwarcie stwierdza: „Obecnie nie planujemy upstream'owania tego kodu, ponieważ Zig ma surowy zakaz kontrybuji autorstwa LLM”. To oznacza, że Bun musi utrzymywać własny fork języka, co prowadzi do fragmentacji ekosystemu.
Stanowisko Zig wpisuje się w szerszą debatę o roli AI w rozwoju oprogramowania. Jak zauważa Simon Willison, logika jest prosta: jeśli pull request został głównie napisany przez LLM, dlaczego maintainer projektu miałby poświęcać czas na jego recenzję zamiast uruchomić własne narzędzie AI do rozwiązania tego samego problemu?
To podejście kontrastuje z rosnącą popularnością narzędzi takich jak GitHub Copilot czy Claude, które stają się standardem w wielu projektach technologicznych. Zig świadomie opiera się temu trendowi, stawiając na długoterminowe budowanie społeczności nad krótkoterminową produktywnością.
Polityka Zig może wydawać się radykalna, ale reprezentuje przemyślaną filozofię rozwoju oprogramowania, która priorytetowo traktuje ludzi nad maszynami w procesie twórczym.