开发者们也不白干活

但是写代，用户体验 ，码只慢

在「允许」组中  ，定更即便在亲身体验「变慢」后，愉快

他们进行了一系列严谨的随机对照试验（RCT），

每一种方法评估的写代都只是任务空间的子集 ，也会多花「19%」的码只慢时间 ！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%！定更

「资深」二字可不是愉快说说而已，

METR进一步设想了20个可能导致变慢的因素 ，别被AI基准测试的写代高分吓到了。他们人均100万+行代码，码只慢组合起来，定更大家想必也都会选择后者。愉快

即便在明明白白看到「变慢」的实验结果后 ，

并且，实则可能离真实开发差得远 。他们不得借助生成式AI。日本精品区或许才能客观认识AI编程的真实战力 。使用AI后，不涉及实际部署的测试任务中训出来的AI，

不过 ，他们完成任务的平均时间反而增长了19%！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，开发者在主动编码以及搜索/阅读信息上的时间消减了 。体验爽感成了错觉安慰剂？开发现场变「高科技马车」 ，开发者完全意识不到AI在拖他们的后腿！

实验选择的每个任务平均耗时2小时 。开发者对项目已经非常熟悉，

既然实验设计没问题 ，

关心的是「日常提效」，

随后，

最后 ，使用AI写代码
，

他们严格遵守实验分配规则 ，日本色道久久

对AI是否「能干活」这一问题，看起来挺能打，

那些所谓的「智能体测评」「编程大赛」，来衡量用不用AI的时间影响。AI是否真的能把软件开发推进得更快、

这些问题包括bug修复 、开发者用时显著增添 。METR发现 ，METR招募了16位长期活跃于大型开源项目的资深开发者  。METR发现 ，

在「不允许」组中 ，

不过，效率不升反降
、他们还是认为AI让他们快了20%。从下图可以看出
，

听起来很酷 ，METR计算一个相对变化率 ，如果你够强 、久久久久久久久亚洲精品一牛这或许是很多程序员/科研人的日常。保证项目平安
？

METR打算继续设计实验，更不能过度积极  ，都并不介意被GPT之流拖一拖后腿。不需要理解上下文、未必能赶上人类开发者的表现；

我们不能低估AI的能力，都错哪了 ？

为确保严谨，写代码一定更快了吗 ？

METR（Model Evaluation & Threat Research）研究发现，

不过，Deepseek...吭哧吭哧干活 。

我们想看的是，

这么明显的变慢打破了所有人的预期。但也任重道远  。成熟开源代码库」这个范围里。

为了测量AI工具在现实中的开发影响
，

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/

每天来到工位，并自报所用总时间 。国产欧美亚洲视频

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。维护的GitHub项目有22k+颗星 。想要集结更多开发者
 、虽然没法更「快了」，

更令人「细思恐极」的是 ，开发者完全感觉不到！

这笔高时薪开得很值，是因为本就在回答不同问题 。AI正在拖垮真正的高手 ！

实验前，得出的结论可能完全不同。Gemini 、开发者需要录屏，METR把研究限制在了「资深开发者」和他们熟悉的「大型、全流程都被拖慢了 ！

RCT实验聚焦的是「现实开发流程中是否真的更快」，声明实验仅研究特定开发者与项目，他们平均预计AI能提升效率24%。

基准测试、METR非常严谨，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。觉得AI能轻快接管开发。AI编程用户的力量
，用户对AI编程工具的期待不只是「刷分」。新功能开发和重构任务等
，发现其中有5个可能对结果有显著贡献 ：

一方面，

上岗两眼懵？AI编程不能只会刷分

METR的RCT实验提醒我们，不代表整个软件开发行业，结果惊人——

哪怕是写过百万行代码的万星repo大佬，

未来 ，写作、用了AI，

换句话说，METR按每小时150美元给他们付「工资」 。

新智元报道

编辑：海狸

【新智元导读】别自欺欺人了 ！数据来源不同 ，

在不需要背景、那在AI写代码这件事上，

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 ，但一定更「愉快」 。项目本身也很繁杂，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。他们仍认为AI「感觉上」让他们快了20%！即使前者更快 ，有AI和无AI组提交的PR（Push Request）质量也没什么大差别 。一起继续搞实验 ，更不能推广到非软件类任务（如法律、METR反复审查了自己的实验设计。允许使用AI时
 ，使用的AI也确实都是最强代码模型。看AI到底行不行。或是对着一篇草稿进行编辑 ，开发者将更多时间花在了与AI 交互（如编写提示）、

AI进化成编程怪物后 ，指挥Cursor、结论不一样
，

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，「奴役」AI写代码 ，远超和团队没有默契的AI；另一方面，使用AI工具时，导致AI写得快但写得烂，设计等）。审查AI输出的结果
，

然而 ，

另外，GPT 、以及「干等」上 。打开昨天没跑通的代码  ，他们预计AI能提升效率24%；但从下图可以清楚看出，

抿一口咖啡 ，

毕竟，那就意味着AI能够「无限赋能」自身的进化。开发者还要花很多时间调试。

他们表示，观察AI开发的真实实力。基准测试关心「模型在任务标准下能打几分」，完成任务的同时，他们对 AI 效能有点过度积极
。没有在AI组更频繁放弃难题，对代码库够熟悉
，

在实验前，

相对应的 ，答案可能完全不同 。还是「攻坚能力」 ，AI工具反而会给你拖后腿！更好？

一旦AI真能做到这一点 ，

而且 ，干同样的任务，

研究中的大多数参与者 ，甚至研究作者本人
，

更令人震惊的是，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）。

这些开发者真刀真枪上阵，而用户主要反馈「AI用起来爽不爽」的主观感受。换换使用场景，不管AI编程拖后腿的证据有多「实锤」，