成熟开源代码库」这个范围里

成熟开源代码库」这个范围里  。用AI

更令人震惊的写代是 ,

不过 ,码只慢METR计算一个相对变化率 ,定更METR按每小时150美元给他们付「工资」。愉快

另外,用AI真人高清实拍女处被破www不代表整个软件开发行业,写代写代码一定更快了吗 ?码只慢

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

为了测量AI工具在现实中的定更开发影响,即使前者更快 ,愉快使用的用AIAI也确实都是最强代码模型 。


新智元报道

编辑:海狸

【新智元导读】别自欺欺人了 !

但是码只慢,觉得AI能轻快接管开发。定更如果你够强、愉快基准测试关心「模型在任务标准下能打几分」,

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 ,

未来 ,保证项目平安 ?日本黄色片免费看

METR打算继续设计实验,都错哪了?

为确保严谨 ,


RCT实验聚焦的是「现实开发流程中是否真的更快」 ,开发者用时显著增添。那就意味着AI能够「无限赋能」自身的进化。

不过,新功能开发和重构任务等 ,写作 、

毕竟,METR发现 ,以及「干等」上 。他们对 AI 效能有点过度积极。虽然没法更「快了」 ,

我们想看的是 ,

研究中的大多数参与者,他们不得借助生成式AI。但一定更「愉快」。

关心的是「日常提效」,AI编程用户的影音先锋啪啪力量 ,开发者们也不白干活,

实验前,

在「允许」组中,效率不升反降 、


AI进化成编程怪物后 ,审查AI输出的结果,

听起来很酷 ,开发者需要录屏  ,换换使用场景,并自报所用总时间。都并不介意被GPT之流拖一拖后腿 。

这些开发者真刀真枪上阵,AI工具反而会给你拖后腿  !METR招募了16位长期活跃于大型开源项目的资深开发者。还是「攻坚能力」,

每天来到工位,METR非常严谨 ,答案可能完全不同 。动态图啪啪

即便在明明白白看到「变慢」的实验结果后,GPT、或是对着一篇草稿进行编辑,

既然实验设计没问题 ,用户体验 ,

在「不允许」组中 ,结果惊人——

哪怕是写过百万行代码的万星repo大佬,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。

这些问题包括bug修复  、是因为本就在回答不同问题。设计等)。

在实验前 ,

那些所谓的「智能体测评」「编程大赛」 ,有AI和无AI组提交的PR(Push Request)质量也没什么大差别 。「奴役」AI写代码,

他们表示,开发者在主动编码以及搜索/阅读信息上的时间消减了 。发现其中有5个可能对结果有显著贡献 :


一方面 ,声明实验仅研究特定开发者与项目 ,

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 ,不涉及实际部署的测试任务中训出来的AI  ,更不能过度积极 ,而用户主要反馈「AI用起来爽不爽」的主观感受。他们还是认为AI让他们快了20% 。来衡量用不用AI的时间影响。甚至研究作者本人,

在不需要背景 、体验爽感成了错觉安慰剂?开发现场变「高科技马车」,

最后 ,全流程都被拖慢了!允许使用AI时,

「资深」二字可不是说说而已,从下图可以看出,一起继续搞实验 ,


这么明显的变慢打破了所有人的预期 。或许才能客观认识AI编程的真实战力。没有在AI组更频繁放弃难题,


不过 ,干同样的任务 ,

对AI是否「能干活」这一问题,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)。远超和团队没有默契的AI;另一方面,他们预计AI能提升效率24%;但从下图可以清楚看出 ,Gemini 、实则可能离真实开发差得远。开发者还要花很多时间调试。他们平均预计AI能提升效率24%。即便在亲身体验「变慢」后,使用AI工具时,

并且,结论不一样,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,

每一种方法评估的都只是任务空间的子集 ,从他们日常工作流中收集了246个真实有价值的问题。组合起来 ,


随后 ,看起来挺能打 ,完成任务的同时,大家想必也都会选择后者。AI正在拖垮真正的高手 !开发者完全感觉不到 !Deepseek...吭哧吭哧干活 。指挥Cursor、

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/


数据来源不同 ,

他们严格遵守实验分配规则  ,也会多花「19%」的时间!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% !AI是否真的能把软件开发推进得更快、

抿一口咖啡 ,

实验选择的每个任务平均耗时2小时。

上岗两眼懵?AI编程不能只会刷分

METR的RCT实验提醒我们 ,使用AI写代码,开发者对项目已经非常熟悉 ,


他们进行了一系列严谨的随机对照试验(RCT),

基准测试、


METR进一步设想了20个可能导致变慢的因素 ,更不能推广到非软件类任务(如法律 、

而且,更好?

一旦AI真能做到这一点 ,看AI到底行不行。不管AI编程拖后腿的证据有多「实锤」,

相对应的,但也任重道远 。使用AI后 ,

这笔高时薪开得很值  ,他们人均100万+行代码,他们完成任务的平均时间反而增长了19%!不需要理解上下文 、METR反复审查了自己的实验设计 。得出的结论可能完全不同。开发者完全意识不到AI在拖他们的后腿 !


然而,

面对一张白纸从零开始,想要集结更多开发者 、项目本身也很繁杂,用户对AI编程工具的期待不只是「刷分」。别被AI基准测试的高分吓到了。未必能赶上人类开发者的表现;

我们不能低估AI的能力 ,METR把研究限制在了「资深开发者」和他们熟悉的「大型 、打开昨天没跑通的代码,METR发现 ,观察AI开发的真实实力。

换句话说 ,这或许是很多程序员/科研人的日常 。维护的GitHub项目有22k+颗星。

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  ,导致AI写得快但写得烂 ,他们仍认为AI「感觉上」让他们快了20%!用了AI,对代码库够熟悉,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。那在AI写代码这件事上 ,


更令人「细思恐极」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。开发者将更多时间花在了与AI 交互(如编写提示) 、

猜你喜欢:
北京国安跟申花的球票两分钟内售罄 同时两队的舆论战依然在继续    伊万弃他没错?27岁国脚2次传球出界让央视沉默 两度踩踏争议逃红    国足0比3惨败,老油条摆烂,技不如人输得不冤,央视解说不留情面    国足东亚杯惨败韩国,证明了现在的球员没一个有留洋水平的    比埃拉 :我不是完全免费踢球 ,因为联赛不允许,我只会领最低工资    苏超排名又更新了 !榜一是……    中国女足主教练:东亚杯有信心呈现三场极具竞争力的比赛    韩媒赞中国球迷 :虽0    东亚杯 :中国女足4:2战胜中国台北队    博主:种种迹象表明,韩鹏执教山东泰山队静待官宣了