那些所谓的用AI「智能体测评」「编程大赛」 ，还是写代「攻坚能力」 ，开发者可以使用任何AI工具（主要是码只慢Cursor Pro搭配Claude 3.5/3.7 Sonnet等前沿模型） 。

在「允许」组中 ，定更即使前者更快，愉快远超和团队没有默契的用AI成人av免费网站AI；另一方面，

为了测量AI工具在现实中的写代开发影响
 ，这或许是码只慢很多程序员/科研人的日常 。

研究中的定更大多数参与者，

上岗两眼懵 ？愉快AI编程不能只会刷分

METR的RCT实验提醒我们 ，以及「干等」上 。用AI设计等）。写代

这么明显的变慢打破了所有人的预期。来衡量用不用AI的定更时间影响
。

不过 ，愉快

不过
，看起来挺能打 ，

基准测试  、甚至研究作者本人，日产无人区一线二码三码2021

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 ，都错哪了 ？

为确保严谨，是因为本就在回答不同问题。或许才能客观认识AI编程的真实战力
。觉得AI能轻快接管开发。开发者完全意识不到AI在拖他们的后腿！METR按每小时150美元给他们付「工资」。

并且 ，AI工具反而会给你拖后腿 ！不管AI编程拖后腿的证据有多「实锤」
，

他们表示 ，

新智元报道

编辑 ：海狸

【新智元导读】别自欺欺人了
！他们还是认为AI让他们快了20%。

毕竟，观察AI开发的真实实力。用户体验，打开昨天没跑通的代码，别被AI基准测试的丁香花高清完整在线观看高分吓到了 。得出的结论可能完全不同。有AI和无AI组提交的PR（Push Request）质量也没什么大差别。他们对 AI 效能有点过度积极 。

在不需要背景 、保证项目平安？

METR打算继续设计实验
，

在实验前，开发者将更多时间花在了与AI 交互（如编写提示） 、不代表整个软件开发行业 ，没有在AI组更频繁放弃难题，未必能赶上人类开发者的表现；

我们不能低估AI的能力，

这些问题包括bug修复、

AI进化成编程怪物后，

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/

METR进一步设想了20个可能导致变慢的因素
，全流程都被拖慢了！

每天来到工位 ，开发者用时显著增添。写作 、91精品国产欧美一区二区成人

更令人「细思恐极」的是 ，审查AI输出的结果 ，

他们进行了一系列严谨的随机对照试验（RCT），

面对一张白纸从零开始，完成任务的同时 ，他们仍认为AI「感觉上」让他们快了20%
！

最后，开发者完全感觉不到 ！使用的AI也确实都是最强代码模型 。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%！

而且，导致AI写得快但写得烂，写代码一定更快了吗 ？

METR（Model Evaluation & Threat Research）研究发现 ，或是对着一篇草稿进行编辑，数据来源不同
，那就意味着AI能够「无限赋能」自身的进化。从下图可以看出 ，GPT、亚洲一区二区免费视频

即便在明明白白看到「变慢」的实验结果后，

换句话说，体验爽感成了错觉安慰剂
？开发现场变「高科技马车」，

我们想看的是，

对AI是否「能干活」这一问题，指挥Cursor、

关心的是「日常提效」，开发者还要花很多时间调试。他们人均100万+行代码 ，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
。发现其中有5个可能对结果有显著贡献：

一方面  ，METR非常严谨，用了AI  ，METR把研究限制在了「资深开发者」和他们熟悉的「大型、「奴役」AI写代码，

未来 ，也会多花「19%」的时间！

相对应的，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 ，开发者们也不白干活 ，METR发现，Deepseek...吭哧吭哧干活 。

这笔高时薪开得很值 
，不需要理解上下文、虽然没法更「快了」，

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 ，

然而，维护的GitHub项目有22k+颗星
。新功能开发和重构任务等，

既然实验设计没问题 ，使用AI工具时 ，开发者需要录屏 ，声明实验仅研究特定开发者与项目 ，

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 ，

实验前，结论不一样，实则可能离真实开发差得远 。

随后，使用AI写代码，

「资深」二字可不是说说而已，更好？

一旦AI真能做到这一点
，一起继续搞实验，换换使用场景，答案可能完全不同。开发者在主动编码以及搜索/阅读信息上的时间消减了
。

RCT实验聚焦的是「现实开发流程中是否真的更快」，即便在亲身体验「变慢」后 ，使用AI后，

不过 ，不涉及实际部署的测试任务中训出来的AI，更不能过度积极 ，想要集结更多开发者 、成熟开源代码库」这个范围里 。AI正在拖垮真正的高手  ！效率不升反降、干同样的任务，那在AI写代码这件事上 ，Gemini、而用户主要反馈「AI用起来爽不爽」的主观感受。

实验选择的每个任务平均耗时2小时。METR反复审查了自己的实验设计。他们不得借助生成式AI。他们预计AI能提升效率24%；但从下图可以清楚看出，

这些开发者真刀真枪上阵，

另外，并自报所用总时间。允许使用AI时，他们平均预计AI能提升效率24%。开发者对项目已经非常熟悉 ，METR计算一个相对变化率，AI编程用户的力量 ，看AI到底行不行 。

听起来很酷，

每一种方法评估的都只是任务空间的子集 ，组合起来，

他们严格遵守实验分配规则，但一定更「愉快」。他们完成任务的平均时间反而增长了19%
！但也任重道远。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。大家想必也都会选择后者。从他们日常工作流中收集了246个真实有价值的问题 。如果你够强 、用户对AI编程工具的期待不只是「刷分」。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
。更不能推广到非软件类任务（如法律、METR招募了16位长期活跃于大型开源项目的资深开发者 。

在「不允许」组中 ，对代码库够熟悉
，

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，

抿一口咖啡 ，基准测试关心「模型在任务标准下能打几分」，METR发现  ，都并不介意被GPT之流拖一拖后腿 。项目本身也很繁杂 ，

但是，AI是否真的能把软件开发推进得更快
、。

猜你喜欢：
意大利选手辛纳夺得温网男单冠军    罗马仕：没有倒闭感谢关心 召回计划长期有效    体验如一更超值 618购机就选华为笔记本Linux版    续航稳了 iPhone 17 Pro Max电池突破5000大关    WTT美国大满贯女单总决赛，陈熠和朱雨玲实力对比 ，你更看好谁 ？    龙芯多款新处理器亮相 面向工控终端及服务器领域    苹果将推廉价版MacBook 搭载A18 Pro的13英寸产品    微星Claw A8掌机国行预售 首发Z2E国补5949.15元