AI 编程助手可能帮你完成更多工作，但一条生产力标题无法告诉你能省下多少小时。已发表的现场实验里，既有完成的工作变多，也有任务时间变长。它们研究的人、工具和结果各不相同。

更有用的问题是，你的工作日时间花到了哪里：写代码、理解仓库、等待智能体，还是检查它的改动。两项研究，以及随后 METR 在 2026 年的更新，说明这些区分为什么重要。没有任何一项为 2026 年 10 月可用的编程智能体提供了测得的百分比。

两项实验，两种不同的度量

Cui 与同事研究的是三家公司早期推出 GitHub Copilot 的情况。METR 的 Becker 与同事研究的是在熟悉仓库上工作的资深开源开发者。这是两项各自独立的研究；下表数字是他们报告的发现。

历史现场实验。完成工作量的增加，与任务时间的变化不是同一项指标。

研究与场景 测量对象 报告结果 主要限制
Cui 等人：2022–2023 年开始的公司 Copilot 试验 每周完成的拉取请求 多 26.08%；标准误为 10.3 个百分点 按采用情况调整后的估计，不是省下分钟数的测量
METR：熟悉的开源仓库，2025 年 2 月–6 月 每项任务的实现时间 长 19%；报告的置信区间为长 2%–39% 使用该时期工具的小规模资深样本

拉取请求变多，并不等于时间按同一百分比减少

Cui 与同事 2025 年 2 月的论文，合并了 Microsoft、Accenture 和一家匿名 Fortune 100 公司各自开展的三项试验，合并样本为 4,867 名开发者。试验分别始于 2022 年 9 月、2023 年 7 月和 2023 年秋季。工具在编辑器内提供代码补全；这不是对今天自主编程智能体的测试。后端模型的确切版本和 token 预算并未披露。

这些公司随机分配了访问权限或邀请时间。有些获得访问权限的开发者并未采用 Copilot。因此作者用随机分配来估计采用的效应，对组间采用差异更大的时期赋予更高权重，再按精度合并各公司的估计。表中的结果是这一调整后的估计，不是所有获提供许可证的人与对照组所有人之间的原始差异。每家公司的估计都不确定。

在团队的惯例之内，完成的拉取请求是一个有用的工作单位。它并不说明一项任务花了多久、改动有多大、交付了多少价值。把一个功能拆成更多请求，会抬高计数，却不一定改善交付。这正是在审视自己的工作流程时，要把产出计数与时间和质量放在一起看的理由，而不是把研究中的百分比换算成省下的小时。

熟悉的代码会让审查成本更要紧

METR 对 16 名资深开发者完成的 246 项真实任务，逐项随机决定是否允许使用 AI。他们在自己已经熟悉的大型仓库上工作，2025 年 2 月–6 月主要使用 Cursor Pro 搭配 Claude 3.5 或 3.7 Sonnet。开发者报告了实现时间，并录制了屏幕。作为标题结果的时间估计，已根据随机分组前做出的任务难度预测做了调整。

动手之前，开发者预期 AI 会把时间减少 24%。做完之后，他们仍然认为 AI 让自己大约快了 20%。这些信念与测得的变慢并不一致。METR 的分析指向的因素包括：对仓库的熟悉、缺失的上下文、不可靠的建议，以及花在提示、等待和审查上的时间。

对一个熟悉的缺陷修复来说，看起来合理的改动，仍可能需要对照本地惯例、测试和文档做大量检查。实际问题是，这条建议省下的工作，是否多于检查所增加的工作。这项研究并没有确立大多数开发者都会变慢，也没有确立后来的工具会以同样的方式表现。它的场景狭窄，正因为指出了一种值得检查的情形，而不是给出普遍判决，所以有用。

2026 年的后续并不是一次干净的逆转

METR 于 2025 年 8 月开始后续研究，并于 2026 年 2 月 24 日报告。其中有 10 名再次参加的开发者和 47 名新参与者。再次参加的开发者的点估计是时间少 18%，区间从少 38% 到多 9%。新参与者的估计是时间少 4%，区间从少 15% 到多 9%。两个区间都包含没有变化，以及一定程度的变慢。

作者还警告，这些数据作为当前效应的信号并不可靠。越来越多的人拒绝参加，因为他们不想在没有 AI 的情况下工作；参与者也出于同一原因没有提交部分任务。参与报酬从每小时 $150 降到 $50，这可能改变了谁会加入。一边做其他工作一边运行多个智能体，也让任务时间记录更难解释。

这些限制，比挑选一个支持自己看法的点估计更重要。后续研究表明条件正在变化，但并不能可靠地确立当下提速的幅度。它来自同一个研究团队，参与者也有一部分相同，因此不是独立复现。它也没有把某个生产力百分比安到 Claude Code 或 Codex 当下的某个具体版本上。

较新的调查测量的是人们相信什么

METR 2026 年 5 月的报告，在 2 月–4 月调查了 349 名技术工作者，其中包含 87 名软件工程师。受访者报告，在不同问法下，自己工作价值变化的中位数为 1.4–2x，速度变化的中位数为 3x。这些是便利样本的自我报告估计，不是计时实验结果。作者明确质疑，报告的收益与现实有多接近。

价值与速度也可能分开。很快多做出一块仪表盘，并不必然让底层项目更有价值。反过来，助手也可能让你做出原本不会尝试、但值得做的工作。这项调查把这些可能性带进视野；它没有从因果上证实先前两项实验中的任何一项。

为自己实际接受的工作留一份小记录

从一类反复出现的任务开始，例如某个仓库里的小缺陷修复。在记录结果之前，先决定什么算完成。只有生成补丁，与经过测试、审查并被团队接受的改动，是不同的结果。

下面是为自己的工作建议的记录，不是一项新的实验结果。它有助于看清时间花到哪里，以及哪些改动仍然有用。

  • 记录任务及其完成标准，包括测试和审查。
  • 把人实际投入的分钟、流逝时间和等待智能体的时间分开；注明重叠的工作。
  • 计入审查和返工，再记录被接受的产出以及后来的缺陷。
  • 在能够得知时注明工具、模型或版本，以及任何工作流程变化。

用这份记录问自己：可比的、已被接受的改动，是否在缺陷记录没有变差的前提下，需要更少的人工分钟。一份小小的个人记录不能确立因果关系，学习或任务选择也可能改变结果。即便如此，它仍比借用别人工作上测得的百分比，更适合作为调整自己工作流程的依据。

Guide

Codex定价：哪些套餐包含它，用量上限如何计算

Codex包含在ChatGPT Free、Go、Plus、Pro、Business、Edu和Enterprise中，也可以用API密钥在CLI、SDK和IDE中使用，包括CI。这里整理官方价格、各套餐列出的使用界面，以及五小时用量估算和积分如何计算。

Build

来源

Claude Radar 综合的是作者已发表的发现，没有重跑实验，也没有重新分析参与者数据。2026 年 10 月 3 日核对的来源包括：Cui、Demirer、Jaffe、Musolff、Peng 与 Salz 的 2025 年 2 月论文及 Microsoft Research 摘要；Becker、Rush、Barnes 与 Rein 的 2025 年 7 月 METR 论文；以及 METR 在 2026 年 2 月和 5 月的更新。这些公司试验包含具有 Microsoft 雇员身份的共同作者。更早一项因缺少使用数据而中止的 Accenture 试验，不在标题结果的样本之内。论文与其摘要页并不是彼此独立的重复验证。这些历史实验和后来的自我报告，并未测量 2026 年 10 月的工具。