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