新智元報道

編輯：傾傾

【新智元導(dǎo)讀】Anthropic殺瘋了！開年第一篇論文直接化身自爆卡車，實錘AI正在讓程序員變傻。你以為效率提高了？其實只快了2分鐘。

作為2026年公認最強的編程AI，Anthropic竟然搞了波「反向帶貨」，甩出一份2026開年最狠的論文，指著所有用戶的鼻子罵：

別以為你在提效率，你只是在把腦子外包給機器，然后慢慢變蠢！

論文地址：https://arxiv.org/abs/2601.20245

更諷刺的是，研究發(fā)現(xiàn)用AI輔助的人，只比純手寫的人快了120秒，但是付出的代價遠不止如此。

Anthropic這次親手撕碎了AI提升職業(yè)上限的謊言，數(shù)據(jù)讓人后背發(fā)涼。

17%的認知「稅」

AI到底讓你變蠢了多少？

Anthropic選擇了52名有Python經(jīng)驗的工程師，讓他們使用一個不熟悉的Python庫（Trio）編寫功能。

研究設(shè)計示意圖：實驗組組在三重任務(wù)中使用AI協(xié)助，控制組全程無AI。

結(jié)果顯示，完全靠自己手寫代碼的一組，測驗平均分達到了67%；而使用AI助手的一組，平均分僅為50%。

這17%的差距什么概念？直接讓你從阿里P7連降三級跌回校招實習(xí)生。

更恐怖的是「理解真空」。

實驗發(fā)現(xiàn)，AI組在Debug環(huán)節(jié)全線崩盤。

也就是說，當(dāng)AI生成的代碼出現(xiàn)邏輯偏差時，這批開發(fā)者不僅不知道怎么改，甚至連「哪兒錯了」都看不出來。

這與CodeRabbit 2025年的行業(yè)數(shù)據(jù)形成了驚人的「死亡閉環(huán)」：AI生成的代碼，邏輯錯誤率比人寫的暴漲75%，整體缺陷率高達1.7倍。

AI代碼issues曲線直接碾壓人類，平均1.7倍缺陷（10.83vs6.45），極端情況更夸張

AI共同創(chuàng)作PR平均問題量1.7倍（10.83vs6.45），極端情況2倍（26vs12.3）

你以為你在用AI「彎道超車」，實際上你是在賽博空間里瘋狂堆砌「屎山」。

你省下的那些敲鍵盤時間，全變成了未來修Bug時流的淚。

快了2分鐘？那是統(tǒng)計學(xué)的謊言

但我快啊！天下武功唯快不破！有人不服。

Anthropic反手就是一巴掌：在學(xué)習(xí)新東西時，AI帶來的速度優(yōu)勢，約等于

實驗數(shù)據(jù)顯示，使用了AI的工程師、確實比手寫組完成得快了一點——具體來說，快了大約2分鐘。

然而，這一差異并沒有達到統(tǒng)計學(xué)顯著的標準。

最抽象的一幕出現(xiàn)了：為了讓AI寫對一段代碼，有人足足改了15版Prompt，耗時11分鐘。

你以為你是AI的主人？不，你是幫它改需求的卑微乙方。

這不叫提效，這叫賽博版《等待戈多》。

職場達爾文時刻：你是「宿主」還是「電池」？

既然AI有毒，那我們要立刻斷網(wǎng)、回歸石器時代嗎？這顯然是另一種愚蠢。

Anthropic拋出了一個結(jié)論：并不是所有使用AI的人都在變傻。

研究團隊通過逐幀分析錄屏，將52名工程師的交互行為歸納為五種模式。

AI輔助測驗得分暴跌17%（50%vs67%），速度優(yōu)勢僅2分鐘且不顯著

死亡組：大腦托管者

這是一群被AI徹底「廢掉」的工程師。他們的認知卸載達到了頂峰。

1.「甩手掌柜」模式：

這群人完全把AI當(dāng)外包。他們直接把需求扔給AI，然后全盤接受生成的代碼。

他們完成任務(wù)的速度最快，甚至在過程中沒遇到什么報錯。

但在測驗中，他們徹底崩盤。

2.「溫水煮青蛙」模式：

這群人剛開始還試圖掙扎一下，問一兩個概念問題，但很快就放棄抵抗，全面轉(zhuǎn)向「幫我寫代碼」。

他們的結(jié)果最為慘烈：由于在任務(wù)后半段完全放棄了思考，他們不僅沒學(xué)到東西，連前半段的記憶也被沖刷殆盡。

進化組：主動拷問者

這群人的交互方式完全不同。他們把AI當(dāng)作「蘇格拉底式的導(dǎo)師」。

1.只動口不動手」模式

這是唯一真正利用AI進化的模式。

他們只向AI詢問概念和原理，然后堅持自己親手寫代碼。

雖然他們遇到的報錯最多，還得花時間自己修Bug，但這種「痛苦」卻轉(zhuǎn)化為了極高的掌握度。

更反直覺的是，這組人不僅分高，速度還是所有高分模式中最快的。

2.「先生成后追問」模式

這是一種折中但有效的策略。他們先讓AI生成代碼，但絕不直接復(fù)制粘貼。

他們會盯著生成的代碼，反過來追問AI：「這一行為什么要這么寫？」、「有沒有更好的寫法？」。

他們用AI來檢查自己的理解，而不是替代自己的理解。

垂死掙扎組：無效努力

這一類人最慘。

他們既想自己寫，又在遇到Bug時立刻慌神，瘋狂把錯誤拋給AI求救。結(jié)果陷入了無休止的「報錯-AI修-再報錯」循環(huán)。

他們花的時間最長，分數(shù)卻依然很低。因為他們沒有在這個過程中建立任何因果邏輯，只是在盲目試錯。

痛苦是學(xué)習(xí)的必要條件。如果你在使用AI時感到無比絲滑、毫無阻礙，警鐘就該響了——你可能正在退化。

更可怕的是，這不只是個人問題，企業(yè)也在為此買單。

高分組的秘密：主動找虐

別慌，AI不一定會讓你變傻，但前提是你得「反人性」地使用。

在Anthropic的實驗中，有約23%的開發(fā)者（12名）在AI的輔助下依然拿到了65%以上的高分。

研究拆解出三種能夠?qū)崿F(xiàn)效率與深度雙贏的高分模式：

模式一：概念查詢

這是全場表現(xiàn)最驚艷的群體。他們只向AI詢問底層概念和原理，然后堅持自己動手寫出每一行邏輯代碼。

雖然在這個過程中他們遇到了最多的報錯，但由于是獨立解決Bug，他們對Trio庫的記憶極深。

結(jié)果是，這種模式的綜合速度排名全場第二，且考核得分最高。

模式二：生成后拆解

這類開發(fā)者會先讓AI生成代碼，但絕不直接運行。

他們會手動將代碼復(fù)制到編輯器中，并針對每一行邏輯向AI追問：「為什么要這么寫？」「這個異步鎖的邏輯是什么？」

這種「回溯式學(xué)習(xí)」雖然犧牲了一定的速度，但在掌握度上與純手寫組不相上下。

模式三：混合解釋請求

他們在發(fā)送提示詞時，會強制要求AI在輸出代碼的同時提供詳盡的原理注釋。

通過同步閱讀解釋和代碼，他們在操作過程中就完成了知識的內(nèi)化。

高分開發(fā)者通過主動制造障礙，維持了心理學(xué)上的「必要難度」。

他們明白，AI提供的絲滑感是學(xué)習(xí)的敵人。真正的強者會把AI關(guān)進「蘇格拉底式」的籠子里，只讓它提供指引，而不交出主權(quán)。

Anthropic這份報告，不只是給開發(fā)者看的，更是扇向盲目追求KPI的管理層的一記耳光。

當(dāng)你為團隊本月代碼量暴漲30%而歡呼時，你公司的「技術(shù)資產(chǎn)」可能正在急速縮水。

初級工程師為了趕Deadline，正在批量淪為AI復(fù)制粘貼機器。

這哪里是技術(shù)團隊，這分明是搖搖欲墜的「屎山施工隊」。

AI時代的頂級門檻，早已不是寫代碼的手速，而是對邏輯的絕對主權(quán)。

轉(zhuǎn)發(fā)給你身邊的「復(fù)制粘貼黨」，問問他：是為了這120秒爽一把，還是想保住你的腦子？

參考資料：

https://x.com/AnthropicAI/status/2016960382968136138?s=20

https://www.coderabbit.ai/ja/blog/state-of-ai-vs-human-code-generation-report