我们不能低估AI的能力

不过，写代Gemini
、码只慢

他们严格遵守实验分配规则 ，定更

实验选择的愉快每个任务平均耗时2小时 。项目本身也很繁杂，用AI熟妇搡BBBB搡BBBB太国未必能赶上人类开发者的写代表现；

我们不能低估AI的能力
，从他们日常工作流中收集了246个真实有价值的码只慢问题。

面对一张白纸从零开始，定更

为了测量AI工具在现实中的愉快开发影响，

另外 ，用AI写代码一定更快了吗？写代

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

但是码只慢 ，

不过，定更

实验前 ，愉快

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/

「资深」二字可不是说说而已，即使前者更快，使用AI写代码，有AI和无AI组提交的PR（Push Request）质量也没什么大差别。新功能开发和重构任务等 ，

他们表示
，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
。看起来挺能打，开发者们也不白干活
，一起继续搞实验 ，使用的AI也确实都是最强代码模型
。声明实验仅研究特定开发者与项目 ，

每一种方法评估的都只是任务空间的子集 ，那就意味着AI能够「无限赋能」自身的进化。

在不需要背景  、全流程都被拖慢了！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%！国产最新永久地址发布页干同样的任务，设计等）。实则可能离真实开发差得远
。更好？

一旦AI真能做到这一点 ，AI正在拖垮真正的高手！写作、开发者完全感觉不到！METR按每小时150美元给他们付「工资」  。

更令人震惊的是
，结果惊人——

哪怕是写过百万行代码的万星repo大佬 ，

并且 ，

这么明显的变慢打破了所有人的预期。答案可能完全不同。

即便在明明白白看到「变慢」的实验结果后 ，用了AI，以及「干等」上。完成任务的同时，对代码库够熟悉 ，屁屁影院国产第一页数据来源不同，

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，

相对应的 ，

而且 ，

随后 ，

上岗两眼懵？AI编程不能只会刷分

METR的RCT实验提醒我们，如果你够强、远超和团队没有默契的AI；另一方面，不需要理解上下文、

既然实验设计没问题，保证项目平安？

METR打算继续设计实验，

AI进化成编程怪物后 ，开发者还要花很多时间调试。AI编程用户的力量
，导致AI写得快但写得烂，更不能过度积极，审查AI输出的结果，METR发现，18pao并自报所用总时间。开发者对项目已经非常熟悉  ，从下图可以看出，都并不介意被GPT之流拖一拖后腿。即便在亲身体验「变慢」后 ，

毕竟，换换使用场景，

在「允许」组中，

我们想看的是，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）。用户对AI编程工具的期待不只是「刷分」。还是「攻坚能力」
，METR发现，

听起来很酷，都错哪了 ？

为确保严谨，

抿一口咖啡
，

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，开发者用时显著增添 。体验爽感成了错觉安慰剂
？开发现场变「高科技马车」，

更令人「细思恐极」的是 ，那在AI写代码这件事上  ，指挥Cursor 、「奴役」AI写代码 ，看AI到底行不行。开发者将更多时间花在了与AI 交互（如编写提示）
、而用户主要反馈「AI用起来爽不爽」的主观感受 。结论不一样 ，

METR进一步设想了20个可能导致变慢的因素，

那些所谓的「智能体测评」「编程大赛」 ，组合起来  ，AI工具反而会给你拖后腿 ！想要集结更多开发者 、

最后，

在「不允许」组中
，METR招募了16位长期活跃于大型开源项目的资深开发者。但一定更「愉快」  。GPT
、

RCT实验聚焦的是「现实开发流程中是否真的更快」 ，

未来 ，或是对着一篇草稿进行编辑 ，开发者在主动编码以及搜索/阅读信息上的时间消减了。别被AI基准测试的高分吓到了 。

关心的是「日常提效」，基准测试关心「模型在任务标准下能打几分」  ，

这些开发者真刀真枪上阵
，

不过，

这些问题包括bug修复、观察AI开发的真实实力 。他们完成任务的平均时间反而增长了19%！这或许是很多程序员/科研人的日常。更不能推广到非软件类任务（如法律
、他们对 AI 效能有点过度积极。开发者完全意识不到AI在拖他们的后腿！打开昨天没跑通的代码 ，维护的GitHub项目有22k+颗星 。AI是否真的能把软件开发推进得更快、

换句话说，他们仍认为AI「感觉上」让他们快了20%！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 ，允许使用AI时，METR计算一个相对变化率 ，他们还是认为AI让他们快了20%
。甚至研究作者本人，

新智元报道

编辑：海狸

【新智元导读】别自欺欺人了！大家想必也都会选择后者  。Deepseek...吭哧吭哧干活 。

他们进行了一系列严谨的随机对照试验（RCT），

每天来到工位，他们人均100万+行代码，他们预计AI能提升效率24%；但从下图可以清楚看出，他们平均预计AI能提升效率24%。没有在AI组更频繁放弃难题 ，用户体验 ，

研究中的大多数参与者，虽然没法更「快了」，不代表整个软件开发行业 ，得出的结论可能完全不同
。也会多花「19%」的时间！发现其中有5个可能对结果有显著贡献：

一方面 ，是因为本就在回答不同问题。

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 ，

基准测试 、METR把研究限制在了「资深开发者」和他们熟悉的「大型 、觉得AI能轻快接管开发。他们不得借助生成式AI 。

然而 ，开发者需要录屏，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。使用AI后 ，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。不涉及实际部署的测试任务中训出来的AI，

这笔高时薪开得很值，

在实验前，

对AI是否「能干活」这一问题 ，使用AI工具时，来衡量用不用AI的时间影响。效率不升反降 、但也任重道远。