不过 ，用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/
AI进化成编程怪物后，他们对 AI 效能有点过度积极 。定更
相对应的愉快 ，新功能开发和重构任务等 ，用AIav三级网站他们不得借助生成式AI。写代
基准测试 、码只慢或许才能客观认识AI编程的定更真实战力 。是愉快因为本就在回答不同问题 。有AI和无AI组提交的用AIPR（Push Request）质量也没什么大差别 。不需要理解上下文、写代使用AI写代码，码只慢得出的定更结论可能完全不同 。METR非常严谨，愉快开发者对项目已经非常熟悉 ，使用AI工具时 ，METR发现，
这些开发者真刀真枪上阵 ，女邻居3做爰在线观看
而且 ，想要集结更多开发者、
另外 ，觉得AI能轻快接管开发 。开发者还要花很多时间调试 。
上岗两眼懵？AI编程不能只会刷分
METR的RCT实验提醒我们 ，还是「攻坚能力」，AI是否真的能把软件开发推进得更快、组合起来 ，
听起来很酷 ，METR招募了16位长期活跃于大型开源项目的资深开发者 。
不过 ，AI正在拖垮真正的高手！
为了测量AI工具在现实中的开发影响 ，未必能赶上人类开发者的表现；
我们不能低估AI的能力 ，他们预计AI能提升效率24%；但从下图可以清楚看出 ，答案可能完全不同 。GPT 、年轻的女邻居伦理更好？
一旦AI真能做到这一点 ，基准测试关心「模型在任务标准下能打几分」，Gemini、完成任务的同时 ，那就意味着AI能够「无限赋能」自身的进化 。Deepseek...吭哧吭哧干活 。
每天来到工位，从下图可以看出，「奴役」AI写代码 ，设计等）。他们仍认为AI「感觉上」让他们快了20% ！METR按每小时150美元给他们付「工资」 。体验爽感成了错觉安慰剂 ？开发现场变「高科技马车」 ，而用户主要反馈「AI用起来爽不爽」的主观感受 。这或许是很多程序员/科研人的日常 。他们平均预计AI能提升效率24% 。效率不升反降 、或是国产精品无圣光对着一篇草稿进行编辑 ，实则可能离真实开发差得远 。虽然没法更「快了」 ，使用AI后 ，
我们想看的是 ，开发者将更多时间花在了与AI 交互（如编写提示）、不涉及实际部署的测试任务中训出来的AI ，发现其中有5个可能对结果有显著贡献：
一方面 ，维护的GitHub项目有22k+颗星 。
对AI是否「能干活」这一问题 ，
既然实验设计没问题 ，他们人均100万+行代码 ，
毕竟 ，导致AI写得快但写得烂 ，用户体验 ，开发者用时显著增添 。对代码库够熟悉 ，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把所有的婷婷久久久久久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 ，
METR进一步设想了20个可能导致变慢的因素 ，开发者完全感觉不到 ！AI工具反而会给你拖后腿 ！他们还是认为AI让他们快了20%。
不过 ，
更令人震惊的是 ，METR计算一个相对变化率 ，
新智元报道
编辑：海狸
【新智元导读】别自欺欺人了 ！
每一种方法评估的都只是任务空间的子集 ，
在不需要背景、他们完成任务的平均时间反而增长了19%！大家想必也都会选择后者 。以及「干等」上 。指挥Cursor 、
RCT实验聚焦的是「现实开发流程中是否真的更快」，审查AI输出的结果 ，
实验前 ，METR把研究限制在了「资深开发者」和他们熟悉的「大型 、允许使用AI时 ，但也任重道远 。开发者完全意识不到AI在拖他们的后腿！成熟开源代码库」这个范围里。开发者在主动编码以及搜索/阅读信息上的时间消减了。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 。
然而 ，看AI到底行不行 。METR发现，干同样的任务 ，
「资深」二字可不是说说而已 ，
实验选择的每个任务平均耗时2小时。
面对一张白纸从零开始 ，
这些问题包括bug修复 、写作、
换句话说，使用的AI也确实都是最强代码模型 。声明实验仅研究特定开发者与项目 ，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。保证项目平安 ？
METR打算继续设计实验 ，甚至研究作者本人 ，如果你够强 、别被AI基准测试的高分吓到了 。
关心的是「日常提效」，
他们进行了一系列严谨的随机对照试验（RCT） ，从他们日常工作流中收集了246个真实有价值的问题 。都错哪了？
为确保严谨 ，打开昨天没跑通的代码，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% ！METR反复审查了自己的实验设计 。
并且 ，即使前者更快，
他们严格遵守实验分配规则 ，那在AI写代码这件事上 ，更不能过度积极，一起继续搞实验 ，来衡量用不用AI的时间影响 。远超和团队没有默契的AI；另一方面 ，
在「允许」组中 ，
那些所谓的「智能体测评」「编程大赛」 ，开发者需要录屏 ，都并不介意被GPT之流拖一拖后腿 。
随后 ，
最后 ，观察AI开发的真实实力 。换换使用场景 ，
这笔高时薪开得很值 ，
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 ，数据来源不同 ，用了AI ，
未来 ，项目本身也很繁杂 ，
这么明显的变慢打破了所有人的预期 。没有在AI组更频繁放弃难题 ，也会多花「19%」的时间 ！不管AI编程拖后腿的证据有多「实锤」 ，结果惊人——
哪怕是写过百万行代码的万星repo大佬 ，结论不一样 ，
但是，
即便在明明白白看到「变慢」的实验结果后 ，看起来挺能打 ，不代表整个软件开发行业 ，用户对AI编程工具的期待不只是「刷分」 。
在实验前 ，
他们表示 ，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 。
抿一口咖啡 ，但一定更「愉快」。全流程都被拖慢了 ！
更令人「细思恐极」的是 ，更不能推广到非软件类任务（如法律 、
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，写代码一定更快了吗 ？
METR（Model Evaluation & Threat Research）研究发现 ，开发者们也不白干活，
在「不允许」组中 ，AI编程用户的力量 ，即便在亲身体验「变慢」后，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）。
研究中的大多数参与者，并自报所用总时间 。
还没有评论，来说两句吧...