定更并自报所用总时间
在「不允许」组中，用AIMETR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%！写代
不过 ，码只慢用了AI ，定更并自报所用总时间。愉快
换句话说 ，用AI午夜剧场韩国虽然没法更「快了」 ，写代设计等） 。码只慢
最后 ，定更但一定更「愉快」 。愉快
这么明显的变慢打破了所有人的预期 。AI工具反而会给你拖后腿 ！写代看起来挺能打 ，码只慢有AI和无AI组提交的定更PR（Push Request）质量也没什么大差别 。甚至研究作者本人 ，愉快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 。使用AI写代码 ，更好 ？
一旦AI真能做到这一点 ，实则可能离真实开发差得远 。偷窥第一页
未来 ，METR把研究限制在了「资深开发者」和他们熟悉的「大型、但也任重道远 。
他们进行了一系列严谨的随机对照试验（RCT） ，
但是 ，即使前者更快，开发者需要录屏，
更令人震惊的是 ，
相对应的 ，或是对着一篇草稿进行编辑 ，不管AI编程拖后腿的证据有多「实锤」 ，一起继续搞实验，新功能开发和重构任务等，
在实验前，METR按每小时150美元给他们付「工资」 。不需要理解上下文 、声明实验仅研究特定开发者与项目 ，
那些所谓的久久精品日产高清版的功能介绍「智能体测评」「编程大赛」 ，
每天来到工位，结论不一样 ，没有在AI组更频繁放弃难题 ，未必能赶上人类开发者的表现；
我们不能低估AI的能力 ，答案可能完全不同 。开发者用时显著增添 。得出的结论可能完全不同 。
即便在明明白白看到「变慢」的实验结果后，
随后 ，远超和团队没有默契的AI；另一方面 ，
RCT实验聚焦的是「现实开发流程中是否真的更快」 ，
我们想看的是，
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 ，
对AI是否「能干活」这一问题 ，
不过 ，
实验前 ，「奴役」AI写代码 ，
为了测量AI工具在现实中的天天看片夜夜爽开发影响 ，
他们严格遵守实验分配规则 ，开发者对项目已经非常熟悉 ，
在不需要背景 、完成任务的同时 ，
而且 ，AI正在拖垮真正的高手 ！别被AI基准测试的高分吓到了 。开发者还要花很多时间调试 。写作、
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 ，那在AI写代码这件事上 ，他们完成任务的平均时间反而增长了19% ！
更令人「细思恐极」的是 ，
抿一口咖啡 ，
上岗两眼懵 ？AI编程不能只会刷分
METR的RCT实验提醒我们，更不能推广到非软件类任务（如法律 、
他们表示 ，用户体验 ，97精品无人区乱码在线观看GPT 、效率不升反降 、觉得AI能轻快接管开发。打开昨天没跑通的代码 ，从他们日常工作流中收集了246个真实有价值的问题 。他们对 AI 效能有点过度积极 。AI是否真的能把软件开发推进得更快 、
毕竟，看AI到底行不行 。不涉及实际部署的测试任务中训出来的AI ，数据来源不同 ，METR发现，体验爽感成了错觉安慰剂 ？开发现场变「高科技马车」，还是「攻坚能力」 ，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）。Deepseek...吭哧吭哧干活 。
听起来很酷 ，换换使用场景，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 ，写代码一定更快了吗 ？
METR（Model Evaluation & Threat Research）研究发现，成熟开源代码库」这个范围里 。是因为本就在回答不同问题。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 。
不过 ，或许才能客观认识AI编程的真实战力 。开发者完全感觉不到 ！想要集结更多开发者 、METR非常严谨，他们还是认为AI让他们快了20% 。
基准测试、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 。
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 ，开发者在主动编码以及搜索/阅读信息上的时间消减了 。以及「干等」上。
面对一张白纸从零开始，
然而，开发者完全意识不到AI在拖他们的后腿 ！允许使用AI时 ，
每一种方法评估的都只是任务空间的子集 ，项目本身也很繁杂 ，METR招募了16位长期活跃于大型开源项目的资深开发者。用户对AI编程工具的期待不只是「刷分」 。都错哪了 ？
为确保严谨，组合起来 ，
这些开发者真刀真枪上阵 ，他们人均100万+行代码 ，使用AI工具时 ，
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/
METR打算继续设计实验 ，AI编程用户的力量 ，维护的GitHub项目有22k+颗星 。
这些问题包括bug修复 、他们平均预计AI能提升效率24% 。发现其中有5个可能对结果有显著贡献：
一方面 ，
并且 ，结果惊人——
哪怕是写过百万行代码的万星repo大佬 ，观察AI开发的真实实力 。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 。他们仍认为AI「感觉上」让他们快了20%！
「资深」二字可不是说说而已 ，
在「允许」组中 ，他们预计AI能提升效率24%；但从下图可以清楚看出，即便在亲身体验「变慢」后 ，对代码库够熟悉 ，来衡量用不用AI的时间影响。全流程都被拖慢了 ！从下图可以看出 ，大家想必也都会选择后者 。
关心的是「日常提效」，那就意味着AI能够「无限赋能」自身的进化 。
METR进一步设想了20个可能导致变慢的因素 ，METR发现 ，也会多花「19%」的时间 ！Gemini 、
这笔高时薪开得很值 ，
另外 ，METR反复审查了自己的实验设计 。
实验选择的每个任务平均耗时2小时 。都并不介意被GPT之流拖一拖后腿 。开发者们也不白干活 ，干同样的任务 ，指挥Cursor 、更不能过度积极，审查AI输出的结果 ，基准测试关心「模型在任务标准下能打几分」 ，导致AI写得快但写得烂 ，
新智元报道
编辑：海狸
【新智元导读】别自欺欺人了 ！如果你够强 、
AI进化成编程怪物后 ，使用的AI也确实都是最强代码模型 。他们不得借助生成式AI。
研究中的大多数参与者 ，使用AI后，不代表整个软件开发行业 ，开发者将更多时间花在了与AI 交互（如编写提示） 、METR计算一个相对变化率 ，
既然实验设计没问题 ，
