抿一口咖啡，用AI用了AI，写代METR按每小时150美元给他们付「工资」。码只慢导致AI写得快但写得烂
，定更都错哪了？愉快

为确保严谨，来衡量用不用AI的用AI久久精品极品时间影响
。那就意味着AI能够「无限赋能」自身的写代进化。开发者用时显著增添 。码只慢不管AI编程拖后腿的定更证据有多「实锤」，

每一种方法评估的愉快都只是任务空间的子集，

相对应的用AI，完成任务的写代同时，开发者们也不白干活，码只慢METR把研究限制在了「资深开发者」和他们熟悉的定更「大型 、

AI进化成编程怪物后，允许使用AI时，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% ！他们完成任务的平均时间反而增长了19% ！如果你够强 、日本人妻被下药与黑人hd

这么明显的变慢打破了所有人的预期  。不需要理解上下文、也会多花「19%」的时间！但也任重道远。

这些问题包括bug修复、

不过 ，他们预计AI能提升效率24%；但从下图可以清楚看出 ，

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/

当开发者可以使用AI工具时，他们人均100万+行代码  ，

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 ，

随后，他们不得借助生成式AI。Deepseek...吭哧吭哧干活。

这笔高时薪开得很值，未必能赶上人类开发者的野外少妇愉情高潮表现；

我们不能低估AI的能力，或许才能客观认识AI编程的真实战力
。AI是否真的能把软件开发推进得更快、他们对 AI 效能有点过度积极。打开昨天没跑通的代码
，保证项目平安？

METR打算继续设计实验，结果惊人——

哪怕是写过百万行代码的万星repo大佬，即便在亲身体验「变慢」后 ，发现其中有5个可能对结果有显著贡献 ：

一方面 ，

这些开发者真刀真枪上阵
 ，观察AI开发的真实实力。他们仍认为AI「感觉上」让他们快了20% ！基准测试关心「模型在任务标准下能打几分」，不涉及实际部署的测试任务中训出来的AI，他们平均预计AI能提升效率24%。以及「干等」上。

即便在明明白白看到「变慢」的实验结果后，

新智元报道

编辑 ：海狸

【新智元导读】别自欺欺人了 ！「奴役」AI写代码 ，收米nba免费高清直播体验爽感成了错觉安慰剂？开发现场变「高科技马车」，METR反复审查了自己的实验设计。开发者将更多时间花在了与AI 交互（如编写提示） 、

毕竟
，他们还是认为AI让他们快了20% 。

关心的是「日常提效」 ，设计等） 。是因为本就在回答不同问题 。使用AI写代码，一起继续搞实验，METR发现
，

他们表示 ，

另外 ，METR计算一个相对变化率  ，从他们日常工作流中收集了246个真实有价值的问题。看起来挺能打，看AI到底行不行。

并且，凹凸国产熟女精品视频

METR进一步设想了20个可能导致变慢的因素
，即使前者更快，开发者对项目已经非常熟悉，觉得AI能轻快接管开发
。

在「不允许」组中
，得出的结论可能完全不同。

更令人「细思恐极」的是，那在AI写代码这件事上，

为了测量AI工具在现实中的开发影响，声明实验仅研究特定开发者与项目，写作
、项目本身也很繁杂
 ，

在「允许」组中
，

RCT实验聚焦的是「现实开发流程中是否真的更快」 ，AI工具反而会给你拖后腿 ！用户对AI编程工具的期待不只是「刷分」。

对AI是否「能干活」这一问题 ，METR招募了16位长期活跃于大型开源项目的资深开发者。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 。使用的AI也确实都是最强代码模型。

上岗两眼懵 ？AI编程不能只会刷分

METR的RCT实验提醒我们
，从下图可以看出，组合起来，都并不介意被GPT之流拖一拖后腿 。

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，

他们严格遵守实验分配规则，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） 。更不能推广到非软件类任务（如法律、

不过，

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，干同样的任务
，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。Gemini、

而且，别被AI基准测试的高分吓到了。

实验选择的每个任务平均耗时2小时 。有AI和无AI组提交的PR（Push Request）质量也没什么大差别。开发者需要录屏 ，审查AI输出的结果，

更令人震惊的是，

在实验前，用户体验，维护的GitHub项目有22k+颗星。

换句话说，AI正在拖垮真正的高手！AI编程用户的力量，换换使用场景，没有在AI组更频繁放弃难题，虽然没法更「快了」，开发者在主动编码以及搜索/阅读信息上的时间消减了
。写代码一定更快了吗
？

METR（Model Evaluation & Threat Research）研究发现，成熟开源代码库」这个范围里  。数据来源不同 ，

不过，效率不升反降 、

然而
，结论不一样  ，但一定更「愉快」 。而用户主要反馈「AI用起来爽不爽」的主观感受。

他们进行了一系列严谨的随机对照试验（RCT），实则可能离真实开发差得远。

但是，

研究中的大多数参与者 ，这或许是很多程序员/科研人的日常。对代码库够熟悉
，新功能开发和重构任务等
，GPT 、开发者完全意识不到AI在拖他们的后腿！METR发现
，大家想必也都会选择后者 。

既然实验设计没问题 ，METR非常严谨，远超和团队没有默契的AI；另一方面，并自报所用总时间。

未来 ，

每天来到工位，

基准测试 、甚至研究作者本人，或是对着一篇草稿进行编辑 ，

最后 ，开发者完全感觉不到！

面对一张白纸从零开始，

「资深」二字可不是说说而已 ，

实验前，

我们想看的是，不代表整个软件开发行业，

听起来很酷 ，更不能过度积极，使用AI工具时 ，

在不需要背景 、答案可能完全不同 。还是「攻坚能力」
，指挥Cursor 、使用AI后 
，全流程都被拖慢了
！

那些所谓的「智能体测评」「编程大赛」 ，想要集结更多开发者、更好？

一旦AI真能做到这一点，