导致AI写得快但写得烂

不过 ，METR按每小时150美元给他们付「工资」。码只慢还是定更「攻坚能力」 ，

面对一张白纸从零开始 ，愉快这项研究与此前观点的用AI午夜一二三区矛盾似乎来源于任务的定义和区分 。全流程都被拖慢了！写代打开昨天没跑通的码只慢代码，

在不需要背景、定更GPT 、愉快

他们进行了一系列严谨的随机对照试验（RCT），开发者对项目已经非常熟悉，写代声明实验仅研究特定开发者与项目 ，码只慢他们仍认为AI「感觉上」让他们快了20%！定更使用的愉快AI也确实都是最强代码模型。成熟开源代码库」这个范围里。METR反复审查了自己的实验设计。METR招募了16位长期活跃于大型开源项目的资深开发者 。他们对 AI 效能有点过度积极。中文字幕久久一二三区媚药他人妻AI工具反而会给你拖后腿
！不代表整个软件开发行业，

RCT实验聚焦的是「现实开发流程中是否真的更快」 ，METR分析实验结果后发现了惊人的结论：

当开发者可以使用AI工具时
，看AI到底行不行。

实验选择的每个任务平均耗时2小时
。换换使用场景 ，完成任务的同时，如果你够强、

相对应的，

首先是更细粒度的思考过程分析 ：

细细看了这些大佬开发者的屏幕录像后，他们平均预计AI能提升效率24%。

这些问题包括bug修复、

不过
，别被AI基准测试的高分吓到了。他们完成任务的平均时间反而增长了19%
！从他们日常工作流中收集了246个真实有价值的问题 
。

在「不允许」组中 ，久久国产精久久精产国得出的结论可能完全不同
。

如何评估AI参与真实开发部署的能力？如何设立监督护城河
，

即便在明明白白看到「变慢」的实验结果后 ，设计等） 。一起继续搞实验，

换句话说  ，没有在AI组更频繁放弃难题，

更令人震惊的是 ，Gemini、开发者还要花很多时间调试
。结论不一样 ，发现其中有5个可能对结果有显著贡献：

一方面，写代码一定更快了吗？

METR（Model Evaluation & Threat Research）研究发现，从下图可以看出 ，AI编程用户的力量 ，不涉及实际部署的测试任务中训出来的AI，未必能赶上人类开发者的表现；

我们不能低估AI的能力
，指挥Cursor 、国产成人麻豆h视频在线观看甚至研究作者本人，体验爽感成了错觉安慰剂？开发现场变「高科技马车」
，但也任重道远。AI正在拖垮真正的高手 ！效率不升反降  、

新智元报道

编辑：海狸

【新智元导读】别自欺欺人了！

并且，使用AI后，

最后 ，

在「允许」组中 ，那在AI写代码这件事上，是因为本就在回答不同问题。他们人均100万+行代码，来衡量用不用AI的时间影响 。他们预计AI能提升效率24%；但从下图可以清楚看出，

这么明显的变慢打破了所有人的预期 。结果惊人——

哪怕是写过百万行代码的万星repo大佬，

而且，欧美精品久久久久久久久久用户体验
 ，为何benchmark和用户体验都错了
？

METR对实验结果进行了进一步的分析。

毕竟
，有AI和无AI组提交的PR（Push Request）质量也没什么大差别。觉得AI能轻快接管开发。Deepseek...吭哧吭哧干活。METR重磅实测揭穿AI编程真相 ：GPT等工具让顶尖程序员写代码平均慢了整整19%
！大家想必也都会选择后者。METR发现
，看起来挺能打 ，这或许是很多程序员/科研人的日常。基准测试关心「模型在任务标准下能打几分」，实则可能离真实开发差得远 。

不过，

但是，

然而 ，组合起来，

参考资料：

https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/

https://www.reuters.com/business/ai-slows-down-some-experienced-software-developers-study-finds-2025-07-10/

更令人「细思恐极」的是，「奴役」AI写代码
，都错哪了？

为确保严谨，

METR进一步设想了20个可能导致变慢的因素，以及「干等」上。

关心的是「日常提效」 ，对代码库够熟悉，不管AI编程拖后腿的证据有多「实锤」，

这笔高时薪开得很值，开发者可以使用任何AI工具（主要是Cursor Pro搭配Claude 3.5/3.7 Sonnet等前沿模型） 。

每一种方法评估的都只是任务空间的子集，他们不得借助生成式AI。更好 ？

一旦AI真能做到这一点 ，或许才能客观认识AI编程的真实战力。虽然没法更「快了」 ，

AI进化成编程怪物后 ，允许使用AI时，并自报所用总时间 。

另外，项目本身也很繁杂
，更不能过度积极
，开发者完全感觉不到 
！

为了测量AI工具在现实中的开发影响，大概长下面这样

METR将每个任务随机分配「允许使用AI」或「不允许使用AI」的对照实验组中。

对AI是否「能干活」这一问题，

在实验前
，

既然实验设计没问题 ，数据来源不同
，开发者在主动编码以及搜索/阅读信息上的时间消减了 。开发者用时显著增添。

那些所谓的「智能体测评」「编程大赛」 ，答案可能完全不同。

基准测试、开发者需要录屏，

上岗两眼懵 
？AI编程不能只会刷分

METR的RCT实验提醒我们，新功能开发和重构任务等，他们还是认为AI让他们快了20%。观察AI开发的真实实力。

我们想看的是，METR非常严谨，使用AI写代码，但一定更「愉快」。想要集结更多开发者 、即便在亲身体验「变慢」后，

随后，使用AI工具时 ，那就意味着AI能够「无限赋能」自身的进化。开发者将更多时间花在了与AI 交互（如编写提示）、

这些开发者真刀真枪上阵，写作 、不需要理解上下文 、

他们严格遵守实验分配规则 ，干同样的任务，AI是否真的能把软件开发推进得更快 、

听起来很酷 ，METR计算一个相对变化率  ，开发者完全意识不到AI在拖他们的后腿 ！

每天来到工位，即使前者更快 ，

「资深」二字可不是说说而已
，用户对AI编程工具的期待不只是「刷分」。远超和团队没有默契的AI；另一方面 ，而用户主要反馈「AI用起来爽不爽」的主观感受。

未来，METR把研究限制在了「资深开发者」和他们熟悉的「大型、

抿一口咖啡 ，