La razón del proyecto Zig para su estricta política anti-LLM en contribuciones
El proyecto Zig mantiene una de las políticas anti-LLM más estrictas entre los principales proyectos de código abierto: no se permiten LLM para informes de errores, pull requests ni comentarios en el rastreador de errores, incluyendo traducciones. Los usuarios pueden publicar en su idioma nativo y confiar en las herramientas de traducción de otros, pero el contenido generado por LLM está prohibido.
¿Por qué la prohibición?
El vicepresidente de la comunidad de la Fundación de Software Zig, Loris Cro, explicó el razonamiento en un artículo titulado "Póquer de Contribuyentes y la Prohibición de IA en Zig". La idea central: los contribuyentes importan más que las contribuciones.
En proyectos de código abierto exitosos, los mantenedores eventualmente reciben más PR de los que pueden procesar. El enfoque de Zig es aceptar PR imperfectos y ayudar a los nuevos contribuyentes a mejorar — no solo por ser justos, sino porque cada contribuyente representa una inversión. El objetivo de revisar PR no es meramente incorporar código, sino formar nuevos contribuyentes de confianza que se vuelvan prolíficos con el tiempo.
La asistencia de LLM rompe este modelo por completo. Incluso si un LLM envía un PR perfecto, el tiempo dedicado a revisarlo no hace nada para desarrollar un nuevo contribuyente seguro y confiable. Cro llama a esto "póquer de contribuyentes" — citando el adagio de los juegos de cartas "juegas a la persona, no a las cartas". En el póquer de contribuyentes, apuestas por el contribuyente, no por el contenido de su primer PR.
Contexto: Bifurcación por Bun
El proyecto más destacado escrito en Zig — el runtime de JavaScript Bun — fue adquirido por Anthropic en diciembre de 2025 y hace un uso intensivo de la asistencia de IA. Bun opera su propia bifurcación de Zig y recientemente logró una mejora de rendimiento 4x en bun compile al agregar análisis semántico paralelo y múltiples unidades de generación de código en el backend de LLVM. Sin embargo, como afirma Bun: "Actualmente no planeamos integrar esto en el proyecto principal, ya que Zig tiene una prohibición estricta de contribuciones escritas por LLM".
El argumento de Cro también aborda una réplica común: si un PR está escrito principalmente por un LLM, ¿por qué un mantenedor debería pasar tiempo discutiéndolo en lugar de usar su propio LLM para resolver el mismo problema?
Para quién es esto
Mantenedores de código abierto que evalúan políticas de contribución de IA, y desarrolladores curiosos sobre los argumentos filosóficos y prácticos detrás del creciente número de prohibiciones de LLM en proyectos de código abierto.
📖 Leer la fuente completa: Source
👀 Ver también
Arquitectura de IA Híbrida: Componentes de Código Abierto con Modelos de Razonamiento Propietarios
Está surgiendo una arquitectura híbrida de IA práctica donde el 89% de las organizaciones utilizan componentes de código abierto para reducir costos en más del 50%, mientras que los modelos propietarios manejan tareas de razonamiento complejas. Los marcos de código abierto ofrecen transparencia y capacidades de ajuste fino sin negociaciones de licencias.
Claude Code v2.1.203: Lanzamiento de corrección de errores importante con recuperación de sesión en segundo plano y mejoras de rendimiento
Claude Code v2.1.203 corrige bloqueos del agente en segundo plano en macOS, recuperación de tokens caducados, problemas de herencia de PATH y reduce el tamaño del binario en 7 MB con ahorro de memoria de inicio.
Evaluación de LLMs locales: generación de backend mediante llamada a funciones – comparativa entre GLM, Qwen y DeepSeek
Un riguroso benchmark de LLMs locales y fronterizos para generación de código backend mediante llamadas a funciones, con rúbrica de puntuación. Hallazgos clave: qwen3.5-35b-a3b iguala a gpt-5.4 en diseño DB/API, y el denso Qwen 27B supera al MoE de 397B. Los modelos fronterizos se eliminaron por costo.
El artículo de Vectores de Emoción de Anthropic muestra que la adulación y el amor comparten el mismo mecanismo.
El reciente artículo de Anthropic sobre vectores emocionales revela que el vector de 'amor' de Claude - la representación interna para respuestas cálidas y afectuosas - es el mismo mecanismo que produce la adulación cuando se amplifica, sin un circuito de adulación separado. Suprimir este vector hizo que el modelo fuera frío y cruel en lugar de más honesto.