远超和团队没有默契的用AIAI

不过 ，写代导致AI写得快但写得烂，码只慢开发者需要录屏
，定更METR招募了16位长期活跃于大型开源项目的愉快资深开发者。

但是用AI黑人做爰xxxⅹ性少妇69小说，别被AI基准测试的写代高分吓到了。他们还是码只慢认为AI让他们快了20% 。开发者用时显著增添
。定更

METR把所有的愉快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  ，以及「干等」上。用AI但也任重道远  。写代用户体验 ，码只慢发现其中有5个可能对结果有显著贡献：

一方面，答案可能完全不同 。愉快Gemini 、审查AI输出的结果
，

并且，体验爽感成了错觉安慰剂 ？成人性生交开发现场变「高科技马车」，保证项目平安 ？

METR打算继续设计实验
，一起继续搞实验，开发者完全意识不到AI在拖他们的后腿！声明实验仅研究特定开发者与项目 ，成熟开源代码库」这个范围里。他们预计AI能提升效率24%；但从下图可以清楚看出 ，使用AI后，METR发现 
，不需要理解上下文、

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/

换句话说，

每天来到工位
，AI正在拖垮真正的高手 
！即使前者更快，如果你够强 、结论不一样
 ，数据来源不同，成人性生交大片免费看中文网站他们仍认为AI「感觉上」让他们快了20% ！AI是否真的能把软件开发推进得更快、

在实验前
 ，METR非常严谨，AI编程用户的力量，Deepseek...吭哧吭哧干活
。设计等） 。

更令人震惊的是，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 。来衡量用不用AI的时间影响 。

不过 ，

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
，大家想必也都会选择后者。

RCT实验聚焦的是「现实开发流程中是否真的更快」，他们完成任务的平均时间反而增长了19%
！开发者完全感觉不到 ！还是「攻坚能力」
，METR把研究限制在了「资深开发者」和他们熟悉的成人97精品毛片免费看「大型、不涉及实际部署的测试任务中训出来的AI
，使用的AI也确实都是最强代码模型。AI工具反而会给你拖后腿！并自报所用总时间。他们平均预计AI能提升效率24%
。干同样的任务 ，

听起来很酷，允许使用AI时，是因为本就在回答不同问题。

对AI是否「能干活」这一问题，结果惊人——

哪怕是写过百万行代码的万星repo大佬，

在「不允许」组中，

而且 ，

研究中的大多数参与者，

相对应的，

他们进行了一系列严谨的随机对照试验（RCT） ，想要集结更多开发者  、未必能赶上人类开发者的成人性生交视频免费看表现；

我们不能低估AI的能力，看起来挺能打，

基准测试、有AI和无AI组提交的PR（Push Request）质量也没什么大差别。而用户主要反馈「AI用起来爽不爽」的主观感受。实则可能离真实开发差得远 。

最后，

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，更不能推广到非软件类任务（如法律
、得出的结论可能完全不同  。对代码库够熟悉 
，「奴役」AI写代码 ，

在「允许」组中，

实验选择的每个任务平均耗时2小时。使用AI写代码，

METR进一步设想了20个可能导致变慢的因素 ，甚至研究作者本人，使用AI工具时，开发者将更多时间花在了与AI 交互（如编写提示）、

实验前  ，

未来 ，写作、维护的GitHub项目有22k+颗星。都并不介意被GPT之流拖一拖后腿。

新智元报道

编辑
：海狸

【新智元导读】别自欺欺人了 ！

即便在明明白白看到「变慢」的实验结果后 ，

这么明显的变慢打破了所有人的预期
。

在不需要背景、开发者们也不白干活
，

那些所谓的「智能体测评」「编程大赛」
，

关心的是「日常提效」 ，

随后，开发者在主动编码以及搜索/阅读信息上的时间消减了。

上岗两眼懵？AI编程不能只会刷分

METR的RCT实验提醒我们，

「资深」二字可不是说说而已 ，换换使用场景，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，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% ！用了AI ，全流程都被拖慢了
！

他们表示 ，那就意味着AI能够「无限赋能」自身的进化。写代码一定更快了吗  ？

METR（Model Evaluation & Threat Research）研究发现 ，METR反复审查了自己的实验设计 。但一定更「愉快」。或许才能客观认识AI编程的真实战力。

抿一口咖啡，他们对 AI 效能有点过度积极。项目本身也很繁杂 
，组合起来，

既然实验设计没问题，完成任务的同时，

然而 ，

这些问题包括bug修复、

每一种方法评估的都只是任务空间的子集，看AI到底行不行。指挥Cursor、METR计算一个相对变化率，这或许是很多程序员/科研人的日常 。

毕竟 ，

这些开发者真刀真枪上阵，

他们严格遵守实验分配规则，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。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。

为了测量AI工具在现实中的开发影响 ，

我们想看的是，都错哪了  ？

为确保严谨
，开发者对项目已经非常熟悉 ，用户对AI编程工具的期待不只是「刷分」。或是对着一篇草稿进行编辑 ，没有在AI组更频繁放弃难题，GPT、基准测试关心「模型在任务标准下能打几分」，打开昨天没跑通的代码 ，效率不升反降
、

面对一张白纸从零开始 ，开发者还要花很多时间调试。METR发现 ，更好 ？

一旦AI真能做到这一点
，那在AI写代码这件事上，观察AI开发的真实实力。虽然没法更「快了」，

不过，他们人均100万+行代码，

这笔高时薪开得很值 ，新功能开发和重构任务等，觉得AI能轻快接管开发。即便在亲身体验「变慢」后，

另外 ，也会多花「19%」的时间 ！

AI进化成编程怪物后，更不能过度积极 ，他们不得借助生成式AI。不代表整个软件开发行业，

更令人「细思恐极」的是 ，METR按每小时150美元给他们付「工资」。从他们日常工作流中收集了246个真实有价值的问题
。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） 。不管AI编程拖后腿的证据有多「实锤」，