METR 研究：2025 年初的 AI 工具让资深开发者慢了 19%

觉得用了 AI 更快，和真正更快完成工作，可能是两回事。2025 年 7 月，研究机构 METR 公布了一项随机对照试验：16 名资深开源开发者在熟悉的项目中完成 246 项真实任务，允许使用当时的 AI 工具后，平均耗时反而增加了 19%。

有意思的是，开发者完成任务后仍以为 AI 帮自己提速约 20%。研究原文记录了这个感受与结果之间的落差。它测的是一批人在特定项目、特定时期的工作，不是给所有 AI 编程工具盖章。

“慢了 19%”需要带着时间和场景读

这些人已经熟悉自己的代码库；研究使用的主要是 2025 年初的 Cursor 和 Claude 工具。结论不能直接套到刚学编程的人，也不能直接套到 2026 年的新模型。让 AI 从零做一个小页面，和维护一个有多年惯例的项目，本来就不是同一种任务。

这项结果提醒我们，等待回答并非全部成本。一个需要采用的修改，还要被读懂、核对、测试和调整。编辑建议在比较工作方式时，把这些时间都算到完成过程里，而不是只记录 AI 生成用了多久。

对没有写代码的人，这个问题也成立。让 AI 起草一封邮件，再花十五分钟删掉虚构细节，未必比自己写几句更省时。相反，面对陌生材料，它若帮你快速找到下一步，可能省下很多查找时间。需要比较的是你自己的完整任务。

后来发生了什么

METR 在2026 年 2 月的后续说明中认为，新的 AI 工具很可能比早期工具更能帮助开发者提速，但后续试验受到明显的参与者和任务选择偏差影响。有些开发者不愿在禁用 AI 的条件下工作，也会避开提交他们认为 AI 特别有用的任务。因此，新数据无法可靠确定提速幅度。

这不是一个整齐的“先证明没用，后来证明有用”的故事。早期研究给出了有条件的实测结果；后续工作发现，随着用法和参与者行为变化，原来的测量方法也需要调整。

如果你想判断自己是否受益，可以连续记录几项相似工作：从拿到材料，到完成能交付的版本，花了多久，返工几次，最后质量怎样。也记录 AI 帮你做成了哪些原本做不了的事。前者是效率，后者是能力扩展，两者都值得看，但不要混成一个笼统的“感觉更快”。