新智元报道
编辑：倾倾
【新智元导读】Anthropic杀疯了！开年第一篇论文直接化身自爆卡车，实锤AI正在让程序员变傻。你以为效率提高了？其实只快了2分钟。
作为2026年公认最强的编程AI，Anthropic竟然搞了波「反向带货」，甩出一份2026开年最狠的论文，指着所有用户的鼻子骂：
别以为你在提效率，你只是在把脑子外包给机器，然后慢慢变蠢！
论文地址：https://arxiv.org/abs/2601.20245
更讽刺的是，研究发现用AI辅助的人，只比纯手写的人快了120秒，但是付出的代价远不止如此。
Anthropic这次亲手撕碎了AI提升职业上限的谎言，数据让人后背发凉。
17%的认知「税」
AI到底让你变蠢了多少？
Anthropic选择了52名有Python经验的工程师，让他们使用一个不熟悉的Python库（Trio）编写功能。
研究设计示意图：实验组组在三重任务中使用AI协助，控制组全程无AI。
结果显示，完全靠自己手写代码的一组，测验平均分达到了67%；而使用AI助手的一组，平均分仅为50%。
这17%的差距什么概念？直接让你从阿里P7连降三级跌回校招实习生。
更恐怖的是「理解真空」。
实验发现，AI组在Debug环节全线崩盘。
也就是说，当AI生成的代码出现逻辑偏差时，这批开发者不仅不知道怎么改，甚至连「哪儿错了」都看不出来。
这与CodeRabbit 2025年的行业数据形成了惊人的「死亡闭环」：AI生成的代码，逻辑错误率比人写的暴涨75%，整体缺陷率高达1.7倍。
AI代码issues曲线直接碾压人类，平均1.7倍缺陷（10.83vs6.45），极端情况更夸张
AI共同创作PR平均问题量1.7倍（10.83vs6.45），极端情况2倍（26vs12.3）
你以为你在用AI「弯道超车」，实际上你是在赛博空间里疯狂堆砌「屎山」。
你省下的那些敲键盘时间，全变成了未来修Bug时流的泪。
快了2分钟？那是统计学的谎言
但我快啊！天下武功唯快不破！有人不服。
Anthropic反手就是一巴掌：在学习新东西时，AI带来的速度优势，约等于
实验数据显示，使用了AI的工程师、确实比手写组完成得快了一点——具体来说，快了大约2分钟。
然而，这一差异并没有达到统计学显著的标准。
最抽象的一幕出现了：为了让AI写对一段代码，有人足足改了15版Prompt，耗时11分钟。
你以为你是AI的主人？不，你是帮它改需求的卑微乙方。
这不叫提效，这叫赛博版《等待戈多》。
职场达尔文时刻：你是「宿主」还是「电池」？
既然AI有毒，那我们要立刻断网、回归石器时代吗？这显然是另一种愚蠢。
Anthropic抛出了一个结论：并不是所有使用AI的人都在变傻。
研究团队通过逐帧分析录屏，将52名工程师的交互行为归纳为五种模式。
AI辅助测验得分暴跌17%（50%vs67%），速度优势仅2分钟且不显著
死亡组：大脑托管者
这是一群被AI彻底「废掉」的工程师。他们的认知卸载达到了顶峰。
1.「甩手掌柜」模式：
这群人完全把AI当外包。他们直接把需求扔给AI，然后全盘接受生成的代码。
他们完成任务的速度最快，甚至在过程中没遇到什么报错。
但在测验中，他们彻底崩盘。
2.「温水煮青蛙」模式：
这群人刚开始还试图挣扎一下，问一两个概念问题，但很快就放弃抵抗，全面转向「帮我写代码」。
他们的结果最为惨烈：由于在任务后半段完全放弃了思考，他们不仅没学到东西，连前半段的记忆也被冲刷殆尽。
进化组：主动拷问者
这群人的交互方式完全不同。他们把AI当作「苏格拉底式的导师」。
1.只动口不动手」模式
这是唯一真正利用AI进化的模式。
他们只向AI询问概念和原理，然后坚持自己亲手写代码。
虽然他们遇到的报错最多，还得花时间自己修Bug，但这种「痛苦」却转化为了极高的掌握度。
更反直觉的是，这组人不仅分高，速度还是所有高分模式中最快的。
2.「先生成后追问」模式
这是一种折中但有效的策略。他们先让AI生成代码，但绝不直接复制粘贴。
他们会盯着生成的代码，反过来追问AI：「这一行为什么要这么写？」、「有没有更好的写法？」。
他们用AI来检查自己的理解，而不是替代自己的理解。
垂死挣扎组：无效努力
这一类人最惨。
他们既想自己写，又在遇到Bug时立刻慌神，疯狂把错误抛给AI求救。结果陷入了无休止的「报错-AI修-再报错」循环。
他们花的时间最长，分数却依然很低。因为他们没有在这个过程中建立任何因果逻辑，只是在盲目试错。
痛苦是学习的必要条件。如果你在使用AI时感到无比丝滑、毫无阻碍，警钟就该响了——你可能正在退化。
更可怕的是，这不只是个人问题，企业也在为此买单。
高分组的秘密：主动找虐
别慌，AI不一定会让你变傻，但前提是你得「反人性」地使用。
在Anthropic的实验中，有约23%的开发者（12名）在AI的辅助下依然拿到了65%以上的高分。
研究拆解出三种能够实现效率与深度双赢的高分模式：
模式一：概念查询
这是全场表现最惊艳的群体。他们只向AI询问底层概念和原理，然后坚持自己动手写出每一行逻辑代码。
虽然在这个过程中他们遇到了最多的报错，但由于是独立解决Bug，他们对Trio库的记忆极深。
结果是，这种模式的综合速度排名全场第二，且考核得分最高。
模式二：生成后拆解
这类开发者会先让AI生成代码，但绝不直接运行。
他们会手动将代码复制到编辑器中，并针对每一行逻辑向AI追问：「为什么要这么写？」「这个异步锁的逻辑是什么？」
这种「回溯式学习」虽然牺牲了一定的速度，但在掌握度上与纯手写组不相上下。
模式三：混合解释请求
他们在发送提示词时，会强制要求AI在输出代码的同时提供详尽的原理注释。
通过同步阅读解释和代码，他们在操作过程中就完成了知识的内化。
高分开发者通过主动制造障碍，维持了心理学上的「必要难度」。
他们明白，AI提供的丝滑感是学习的敌人。真正的强者会把AI关进「苏格拉底式」的笼子里，只让它提供指引，而不交出主权。
Anthropic这份报告，不只是给开发者看的，更是扇向盲目追求KPI的管理层的一记耳光。
当你为团队本月代码量暴涨30%而欢呼时，你公司的「技术资产」可能正在急速缩水。
初级工程师为了赶Deadline，正在批量沦为AI复制粘贴机器。
这哪里是技术团队，这分明是摇摇欲坠的「屎山施工队」。
AI时代的顶级门槛，早已不是写代码的手速，而是对逻辑的绝对主权。
转发给你身边的「复制粘贴党」，问问他：是为了这120秒爽一把，还是想保住你的脑子？
参考资料：
https://x.com/AnthropicAI/status/2016960382968136138?s=20
https://www.coderabbit.ai/ja/blog/state-of-ai-vs-human-code-generation-report
热门跟贴