TypeScript

Aproximadamente el 94% de los errores de compilación generados por LLMs son fallos de verificación de tipos, una cifra de GitHub Octoverse citada en el informe interno de enero de 2026 sobre la idoneidad de los lenguajes para el Spec Drive Development. Esa cifra explica casi todo. El informe puntúa los lenguajes con una métrica de Agent-Language Fit (densidad de información por token, resistencia a las alucinaciones mediante el sistema de tipos, latencia del bucle de retroalimentación) y sitúa a TypeScript en el punto de equilibrio óptimo: el tipado gradual permite que un agente esboce con tipos permisivos antes de refinar las definiciones, y las interfaces actúan como un andamiaje que reduce el espacio de búsqueda del modelo.

La comparación es donde el argumento se afila. El borrow checker de Rust choca con la naturaleza probabilística de los LLMs y produce bucles de corrección costosos tanto en tokens como en tiempo. Java y C# saturan la ventana de contexto con getters, setters e imports, y sus datos de entrenamiento arrastran patrones empresariales obsoletos que los modelos reproducen. La propia ventaja de TypeScript es en parte circunstancial: domina el corpus de entrenamiento de la web moderna (Bolt, Lovable, Replit).

El relato de Gergely Orosz de septiembre de 2025 sobre cómo se construyó «Claude Code» describe una pila elegida para estar "on distribution" respecto al modelo Claude, TypeScript junto con React con Ink, Yoga y Bun. Aproximadamente el 90% de ese código está escrito por el propio «Claude Code».

El mismo lenguaje sostiene «toon-format/toon», el formato de serialización que Johann Schopplich publicó el 22 de octubre de 2025, que reporta un ahorro de tokens de entre 30 y 60% frente a JSON y una precisión de recuperación del 86.6% frente al 83.2%.

Un lenguaje elegido por lo que los modelos ya leen bien, en lugar de por su diseño, es un criterio circular que ninguna de estas fuentes resuelve.