大型语言模型（LLM）的兴起显著简化了编程流程，使得语言选择对开发者而言不再至关重要。将代码重写为不同语言或生成不熟悉语言代码的能力，降低了人类的摩擦成本。这一转变使得语言选择更多由市场定位和感知收益（如性能）所驱动。例如，Rust 的采用率有所提升，部分源于对更快软件的日益增长的需求，以及 LLM 高效优化代码的能力。像 Mitchell Hashimoto 等专注于性能的专家，也开始拥抱由智能体编写的代码。诸如 autoresearch 之类的工具使开发者能够在无需广泛先验知识的情况下实现优化。除 Rust 外，其他“硬核语言”如 Zig 也在追求速度和小型化目标的项目中 gaining traction。Cloudflare 的 Artifacts 服务和 Vercel 的 fx agent 均利用 Zig，体现了这一趋势，且常借助 LLM 的协助。此外，开发者如今正着手处理传统上具有挑战性的技术，如 DWARF 文件、eBPF、自定义网络驱动程序，甚至旧式计算硬件。这些领域此前往往难以触及或被有意设限。尽管这种变化可能引入一些"slop"，但它也将更多重视速度与效率的开发者纳入其中，有望引领高性能软件的新纪元。