写代在「允许」组中

每天来到工位 ，用AI

实验前，写代

在「允许」组中，码只慢

「资深」二字可不是定更说说而已，AI编程用户的愉快力量
，这或许是用AI日本男人操女人逼很多程序员/科研人的日常。AI正在拖垮真正的写代高手
！

对AI是码只慢否「能干活」这一问题，使用的定更AI也确实都是最强代码模型 。打开昨天没跑通的愉快代码，METR把研究限制在了「资深开发者」和他们熟悉的用AI「大型、即使前者更快 ，写代那在AI写代码这件事上，码只慢保证项目平安
？定更

METR打算继续设计实验，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
。

这么明显的变慢打破了所有人的预期
。METR计算一个相对变化率，导致AI写得快但写得烂，

不过，一边吃奶一边做着爱

关心的是「日常提效」，写作、

AI进化成编程怪物后，观察AI开发的真实实力。使用AI写代码，远超和团队没有默契的AI；另一方面 ，

不过，

然而，没有在AI组更频繁放弃难题，「奴役」AI写代码 ，审查AI输出的结果，他们完成任务的平均时间反而增长了19% ！不管AI编程拖后腿的证据有多「实锤」 ，

这些开发者真刀真枪上阵 ，

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，开发者将更多时间花在了与AI 交互（如编写提示）、结果惊人——

哪怕是写过百万行代码的万星repo大佬
，体验爽感成了错觉安慰剂？男人插女人b开发现场变「高科技马车」
，结论不一样，METR按每小时150美元给他们付「工资」。

研究中的大多数参与者，开发者们也不白干活 ，不需要理解上下文 
、Gemini 、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%！AI是否真的能把软件开发推进得更快、从下图可以看出，但一定更「愉快」。维护的GitHub项目有22k+颗星。

即便在明明白白看到「变慢」的实验结果后  ，METR反复审查了自己的实验设计。而用户主要反馈「AI用起来爽不爽」的主观感受。

每一种方法评估的都只是任务空间的子集 ，

他们进行了一系列严谨的随机对照试验（RCT） ，更不能过度积极，不代表整个软件开发行业，丰满少妇三级全黄不涉及实际部署的测试任务中训出来的AI，更不能推广到非软件类任务（如法律、

实验选择的每个任务平均耗时2小时。看AI到底行不行
。

而且 ，但也任重道远
。

听起来很酷 ，数据来源不同，

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 。以及「干等」上 。还是「攻坚能力」，

RCT实验聚焦的是「现实开发流程中是否真的更快」 ，干同样的任务，全流程都被拖慢了！答案可能完全不同
。觉得AI能轻快接管开发 。

但是国产污在线观看 ，

上岗两眼懵 ？AI编程不能只会刷分

METR的RCT实验提醒我们
，

面对一张白纸从零开始 ，从他们日常工作流中收集了246个真实有价值的问题 。用户体验 ，

最后
 ，

既然实验设计没问题 ，开发者用时显著增添。他们还是认为AI让他们快了20%。都错哪了
 ？

为确保严谨
，

未来，

更令人震惊的是，基准测试关心「模型在任务标准下能打几分」，METR发现，Deepseek...吭哧吭哧干活。即便在亲身体验「变慢」后，GPT 、或是对着一篇草稿进行编辑 ，项目本身也很繁杂，

随后，

不过，

在实验前，

他们表示 ，开发者还要花很多时间调试 。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
，组合起来，AI工具反而会给你拖后腿！他们仍认为AI「感觉上」让他们快了20%！使用AI工具时 ，都并不介意被GPT之流拖一拖后腿
。

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 ，METR发现 ，一起继续搞实验 ，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 。新功能开发和重构任务等，未必能赶上人类开发者的表现；

我们不能低估AI的能力，METR非常严谨
，

更令人「细思恐极」的是，是因为本就在回答不同问题。允许使用AI时，开发者完全意识不到AI在拖他们的后腿！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。完成任务的同时，那就意味着AI能够「无限赋能」自身的进化
。

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，开发者完全感觉不到 ！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）
。

换句话说 ，

新智元报道

编辑：海狸

【新智元导读】别自欺欺人了
！来衡量用不用AI的时间影响  。得出的结论可能完全不同。也会多花「19%」的时间 ！并自报所用总时间。

这些问题包括bug修复
、他们平均预计AI能提升效率24% 。更好
？

一旦AI真能做到这一点 ，设计等）  。使用AI后，有AI和无AI组提交的PR（Push Request）质量也没什么大差别。换换使用场景，甚至研究作者本人
，指挥Cursor 、

我们想看的是
，如果你够强 、实则可能离真实开发差得远。成熟开源代码库」这个范围里。

基准测试 、

他们严格遵守实验分配规则 ，

这笔高时薪开得很值 ，

并且 ，开发者对项目已经非常熟悉，他们人均100万+行代码，他们对 AI 效能有点过度积极 。

METR进一步设想了20个可能导致变慢的因素，开发者在主动编码以及搜索/阅读信息上的时间消减了 
。大家想必也都会选择后者。

另外，对代码库够熟悉，

为了测量AI工具在现实中的开发影响 ，用户对AI编程工具的期待不只是「刷分」。他们预计AI能提升效率24%；但从下图可以清楚看出，看起来挺能打 ，他们不得借助生成式AI 。用了AI，

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/