开发者实测：强推理模型导致编码效率倒退，AI编程应回归“效率第一性原理”

近日，科技论坛 Linux.do 出现一篇关于 AI 编程助手实际效能的深度讨论。开发者指出，最新的“gpt5.6-sol”模型在配合自动化工具（如 superpowers/Harness）使用时，表现过于谨慎且速度缓慢，甚至出现了效率倒退的现象。据反馈，该模型倾向于进行无意义的测试驱动开发（TDD）和过度的行为测试，导致任务处理时间大幅增加，虽然准确度较高，但冗余步骤过多，反而降低了开发效率。该开发者建议，模型的推理强度应根据任务复杂度进行分级调整，日常任务应使用低或中等强度，而仅在复杂任务中启用高强度推理。文章最后强调，AI 辅助编程的核心目标是增效而非单纯消耗 Token。这一观点与 DeepSeek R1 带来的行业启示相呼应：在 AI 领域，单纯依靠算力堆砌的“力大砖飞”模式已不再适用，以低成本实现高效率才是行业发展的第一性原理。

事件分析

💡 核心观点：单纯堆砌算力的“力大砖飞”时代已终结，AI 编程工具的未来在于精准的推理控制和高效的成本管理。