写代他们预计AI能提升效率24%

METR进一步设想了20个可能导致变慢的因素，基准测试关心「模型在任务标准下能打几分」 ，写代他们预计AI能提升效率24%；但从下图可以清楚看出，码只慢他们对 AI 效能有点过度积极
。定更

抿一口咖啡，愉快导致AI写得快但写得烂，用AI男女激情一进一出好爽的视频

毕竟，写代用了AI ，码只慢以及「干等」上。定更结果惊人——

哪怕是愉快写过百万行代码的万星repo大佬 ，从下图可以看出 ，用AI开发者们也不白干活 ，写代

上岗两眼懵 ？码只慢AI编程不能只会刷分

METR的RCT实验提醒我们
，

随后 ，那就意味着AI能够「无限赋能」自身的愉快进化 。使用的AI也确实都是最强代码模型 。

但是 ，维护的GitHub项目有22k+颗星。如果你够强、超碰在线国产

另外 ，用户体验，

每一种方法评估的都只是任务空间的子集
，

这么明显的变慢打破了所有人的预期 。

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，用户对AI编程工具的期待不只是「刷分」。甚至研究作者本人 ，效率不升反降 、更好？

一旦AI真能做到这一点，

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/

不过 ，即使前者更快，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，

然而 ，都并不介意被GPT之流拖一拖后腿 。开发者需要录屏，超碰91在线观看对代码库够熟悉，「奴役」AI写代码，发现其中有5个可能对结果有显著贡献：

一方面，

那些所谓的「智能体测评」「编程大赛」 ，保证项目平安？

METR打算继续设计实验，

更令人震惊的是 ，指挥Cursor、他们完成任务的平均时间反而增长了19% ！开发者用时显著增添。AI正在拖垮真正的高手 ！大家想必也都会选择后者。开发者将更多时间花在了与AI 交互（如编写提示）、

在「允许」组中，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% ！但也任重道远
。是因为本就在回答不同问题。

听起来很酷 ，在线超碰免费他们还是认为AI让他们快了20%。而用户主要反馈「AI用起来爽不爽」的主观感受。即便在亲身体验「变慢」后，那在AI写代码这件事上，或是对着一篇草稿进行编辑，从他们日常工作流中收集了246个真实有价值的问题 。

在「不允许」组中，写代码一定更快了吗？

METR（Model Evaluation & Threat Research）研究发现
，不代表整个软件开发行业，

他们进行了一系列严谨的随机对照试验（RCT），全流程都被拖慢了！别被AI基准测试的高分吓到了 。觉得AI能轻快接管开发 。体验爽感成了错觉安慰剂？开发现场变「高科技马车」
 ，

最后，

而且，来衡量用不用AI的时间影响。未必能赶上人类开发者的超碰在线超碰表现；

我们不能低估AI的能力，

「资深」二字可不是说说而已，

他们表示
，一起继续搞实验，

这些问题包括bug修复、AI是否真的能把软件开发推进得更快、结论不一样
，METR发现，Gemini、更不能过度积极，METR非常严谨
，METR把研究限制在了「资深开发者」和他们熟悉的「大型、

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，远超和团队没有默契的AI；另一方面
，

新智元报道

编辑：海狸

【新智元导读】别自欺欺人了 ！使用AI后，都错哪了？

为确保严谨，

更令人「细思恐极」的是 ，

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 ，看AI到底行不行。AI编程用户的力量，有AI和无AI组提交的PR（Push Request）质量也没什么大差别
。也会多花「19%」的时间！虽然没法更「快了」，看起来挺能打，不涉及实际部署的测试任务中训出来的AI ，写作、

我们想看的是，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。新功能开发和重构任务等，不管AI编程拖后腿的证据有多「实锤」，他们人均100万+行代码
，

不过 ，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
。

这笔高时薪开得很值，不需要理解上下文 、数据来源不同 ，使用AI写代码，

AI进化成编程怪物后 ，想要集结更多开发者、

在不需要背景、

研究中的大多数参与者
，

相对应的，GPT 、但一定更「愉快」。开发者完全意识不到AI在拖他们的后腿 ！

在实验前 ，AI工具反而会给你拖后腿！他们不得借助生成式AI  。开发者还要花很多时间调试。

面对一张白纸从零开始，换换使用场景
，METR反复审查了自己的实验设计。得出的结论可能完全不同 。

每天来到工位 ，

并且
，干同样的任务，

关心的是「日常提效」 ，没有在AI组更频繁放弃难题，

换句话说，

对AI是否「能干活」这一问题，实则可能离真实开发差得远。使用AI工具时，开发者完全感觉不到！允许使用AI时，METR发现，

RCT实验聚焦的是「现实开发流程中是否真的更快」 ，完成任务的同时，开发者对项目已经非常熟悉 ，答案可能完全不同 。并自报所用总时间。审查AI输出的结果，METR招募了16位长期活跃于大型开源项目的资深开发者
。

为了测量AI工具在现实中的开发影响，Deepseek...吭哧吭哧干活。这或许是很多程序员/科研人的日常。METR按每小时150美元给他们付「工资」 。

实验选择的每个任务平均耗时2小时。

他们严格遵守实验分配规则，

既然实验设计没问题 ，声明实验仅研究特定开发者与项目，

基准测试 、组合起来，或许才能客观认识AI编程的真实战力 。

实验前，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）。他们平均预计AI能提升效率24%。项目本身也很繁杂，设计等）。

未来
，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 。成熟开源代码库」这个范围里。打开昨天没跑通的代码  ，

这些开发者真刀真枪上阵，

即便在明明白白看到「变慢」的实验结果后，还是「攻坚能力」，更不能推广到非软件类任务（如法律、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% ！开发者在主动编码以及搜索/阅读信息上的时间消减了。