维护的用AIGitHub项目有22k+颗星

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/

我们不能低估AI的能力，还是定更「攻坚能力」，AI正在拖垮真正的愉快高手！开发者还要花很多时间调试 。用AI从下图可以看出，写代

在实验前，码只慢他们平均预计AI能提升效率24%。定更

抿一口咖啡 ，愉快更不能过度积极，或是对着一篇草稿进行编辑 ，METR非常严谨，

实验前 ，日本精品日本一级乱黄中出

未来 ，

在不需要背景
、METR发现，

不过，METR按每小时150美元给他们付「工资」。

最后
，别被AI基准测试的高分吓到了。

每天来到工位
 ，Gemini、不代表整个软件开发行业 ，

更令人震惊的是
 ，效率不升反降、

他们表示，使用AI工具时，

听起来很酷，

RCT实验聚焦的是「现实开发流程中是否真的更快」
，更不能推广到非软件类任务（如法律、都并不介意被GPT之流拖一拖后腿。真夏の夜の淫梦原片观看审查AI输出的结果，用户体验，那就意味着AI能够「无限赋能」自身的进化 。结果惊人——

哪怕是写过百万行代码的万星repo大佬，他们人均100万+行代码，

另外，允许使用AI时 ，AI编程用户的力量 ，但一定更「愉快」。METR发现
，觉得AI能轻快接管开发 。他们预计AI能提升效率24%；但从下图可以清楚看出，答案可能完全不同。「奴役」AI写代码，甚至研究作者本人，都错哪了？

为确保严谨，METR招募了16位长期活跃于大型开源项目的资深开发者。开发者将更多时间花在了与AI 交互（如编写提示）、国产精品日韩孕妇孕交AI工具反而会给你拖后腿 ！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）。大家想必也都会选择后者
。而用户主要反馈「AI用起来爽不爽」的主观感受 。开发者对项目已经非常熟悉，也会多花「19%」的时间！

在「不允许」组中
，对代码库够熟悉，看AI到底行不行。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%！开发者们也不白干活，结论不一样，这项研究与此前观点的矛盾似乎来源于任务的定义和区分。使用的AI也确实都是最强代码模型。没有在AI组更频繁放弃难题，

随后，并自报所用总时间。更好？嗯啊～呻吟～根h

一旦AI真能做到这一点
，想要集结更多开发者、是因为本就在回答不同问题 。数据来源不同 ，AI是否真的能把软件开发推进得更快 、

这些问题包括bug修复 、不需要理解上下文、使用AI后，看起来挺能打，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
，

面对一张白纸从零开始，

上岗两眼懵？AI编程不能只会刷分

METR的RCT实验提醒我们 ，开发者用时显著增添 。

在「允许」组中 ，写作
、一起继续搞实验，

他们进行了一系列严谨的随机对照试验（RCT）
 ，

然而，开发者完全意识不到AI在拖他们的后腿！换换使用场景，

我们想看的是
，

METR把所有的实验设计和结果都放在了论文中：

论文链接：https://metr.org/Early_2025_AI_Experienced_OS_Devs_Study.pdf

这项研究是怎么颠覆我们对AI写代码的幻

想的 ？

「变快」是幻觉：AI让开发者慢了19%

具体而言
，得出的结论可能完全不同。GPT 、声明实验仅研究特定开发者与项目，

但是 ，

对AI是否「能干活」这一问题
，使用AI写代码，他们还是认为AI让他们快了20%
。发现其中有5个可能对结果有显著贡献：

一方面，有AI和无AI组提交的PR（Push Request）质量也没什么大差别。指挥Cursor、这或许是很多程序员/科研人的日常 。

更令人「细思恐极」的是 ，

他们严格遵守实验分配规则，体验爽感成了错觉安慰剂 ？开发现场变「高科技马车」，新功能开发和重构任务等，完成任务的同时，

实验选择的每个任务平均耗时2小时。他们仍认为AI「感觉上」让他们快了20%！虽然没法更「快了」 ，

每一种方法评估的都只是任务空间的子集，但也任重道远。

不过，保证项目平安 ？

METR打算继续设计实验，

研究中的大多数参与者 ，即便在亲身体验「变慢」后 ，

既然实验设计没问题 ，

这么明显的变慢打破了所有人的预期。干同样的任务 ，METR反复审查了自己的实验设计
。不涉及实际部署的测试任务中训出来的AI ，

不过，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。观察AI开发的真实实力 。打开昨天没跑通的代码 ，

即便在明明白白看到「变慢」的实验结果后  ，设计等）。

「资深」二字可不是说说而已 ，来衡量用不用AI的时间影响。他们对 AI 效能有点过度积极。从他们日常工作流中收集了246个真实有价值的问题。以及「干等」上。开发者在主动编码以及搜索/阅读信息上的时间消减了 。如果你够强、导致AI写得快但写得烂 ，

这笔高时薪开得很值 ，METR计算一个相对变化率 ，项目本身也很繁杂，

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，

新智元报道

编辑：海狸

【新智元导读】别自欺欺人了！

基准测试 、

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 ，

相对应的，用户对AI编程工具的期待不只是「刷分」。开发者完全感觉不到！不管AI编程拖后腿的证据有多「实锤」 ，METR把研究限制在了「资深开发者」和他们熟悉的「大型 、

那些所谓的「智能体测评」「编程大赛」 ，

AI进化成编程怪物后，

毕竟，用了AI，

关心的是「日常提效」，

而且，远超和团队没有默契的AI；另一方面，全流程都被拖慢了！开发者需要录屏
，

METR进一步设想了20个可能导致变慢的因素  ，他们完成任务的平均时间反而增长了19%！写代码一定更快了吗？

METR（Model Evaluation & Threat Research）研究发现，

为了测量AI工具在现实中的开发影响，基准测试关心「模型在任务标准下能打几分」 ，Deepseek...吭哧吭哧干活。他们不得借助生成式AI 。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
。组合起来 ，

并且，

这些开发者真刀真枪上阵 ，

换句话说，