让AI写代码……结果却更糟？揭秘“代码溢出(Code Slop)”的真相

想象一下，你要求AI：“帮我这样修改这个网站的功能。”它给出了精彩的回答。但如果在此结果之上，你再次要求它添加新功能，又反复进行修改，结果会怎样呢？就像多次翻录的磁带画质会下降一样，AI生成的代码也会随着时间推移，产生莫名其妙的Bug，代码质量变得一团糟。

技术专家将这种现象称为“代码溢出(Code Slop)”。最近发布的10月“SlopCodeBench”（这是一个衡量AI在反复修改代码时，代码质量被侵蚀程度的社区基准测试）SlopCodeBench结果，非常有趣地验证了这一点。

为什么这很重要？

我们正生活在一个AI不再仅仅回答简单问题，而是进化为能够自主编写代码、开发程序的“智能体(Agent)”的时代。现在，如果你早上醒来说：“帮我修改一下我的业务自动化程序”，AI就能立刻搞定。但如果这个AI在不断的修改中给程序留下了漏洞，会发生什么？可能会导致安全事故，甚至重要数据丢失。因此，AI能否持续保持良好的代码质量，是一个与我们日常生活便利性息息相关的重要问题。

浅显易懂的解释

简单来说，虽然Transformer（一种识别语句中词语间关系的AI架构）等现代AI模型能力出众，但在反复修改自身编写的代码时，往往会因失去整体语境而迷失方向。这可以比作“代码随着时间的推移而磨损和侵蚀”。

本次测试通过36个编程问题和196个中间检查点，衡量了AI在完成代码时有多么“不失水准”SlopCodeBench 10/2026 – Opus 5.5, Astra wins overall, xhigh considered harmful。

许多人认为：“让AI思考更久、更深（这被称为高‘推理努力’），结果应该更好吧？”但这次实验的结果却出人意料。研究小组发现，当设置最高级别的推理努力“XHigh”时，成本虽然比平时高出2到4倍以上，但实际代码的成功率并没有相应提高。也就是说，得出的结论是：“并不是无条件思考得越久就一定能答对”SlopCodeBench 10/2026 – Opus 5.5, Astra wins overall, xhigh considered harmful。

现状：谁才是最强的？

目前的编程AI市场由GPT-6 Astra和Claude Opus 5.5这两大巨头统治 The Rise of ‘Code Slop’: Why More Code Doesn’t Mean Better。

• GPT-6 Astra：以16.3%的“严格通过率(Strict Pass Rate，即不含错误一次性通过的比率)”领先。这比去年5月的14.8%有了明显的进步 SlopCodeBench 10/2026 – Opus 5.5, Astra wins overall, xhigh considered harmful。
• Claude Opus 5.5：效率之王。它表现出与GPT-6 Astra相当的性能，但API使用成本却便宜了约40% The Rise of ‘Code Slop’: Why More Code Doesn’t Mean Better。此外，它在智能体编程和办公辅助任务中展现出明显的优势 ClaudeOpus5.5 — Anthropic, ClaudeOpus5.5 vs GPT-6Astra: какую модель выбрать。

未来会怎样？

未来，决胜的关键不仅在于AI的“性能”，更在于“高效设计”。比起通过高昂成本强行让模型进行深度思考，能够以适度水平解决问题的智能体将更受青睐。开发者未来重要的能力，将不再是“寻找性能最高的模型”，而是根据作业性质进行“路由(Routing，即根据情况选择并连接合适的AI)”的能力 Nuxt HN | SlopCodeBench 10/2026 – Opus 5.5, Astra wins overall, xhigh …。

MindTickleBytes AI记者的观点

AI的进步不再仅仅是数字的增长，而是一场关于如何准确、持续地守护人类意图的博弈。本次基准测试带来的教训——“多未必就是好”——表明AI技术正在逐渐进入成熟期。我们与AI协作时，最需要的不再是盲目的信任，而是根据情况进行巧妙运用的智慧。

参考资料

1. SlopCodeBench 10/2026 – Opus 5.5, Astra wins overall, xhigh considered harmful
2. SlopCodeBench
3. The Rise of ‘Code Slop’: Why More Code Doesn’t Mean Better
4. ClaudeOpus5.5 — Anthropic
5. ClaudeOpus5.5 vs GPT-6Astra: какую модель выбрать

6. [Nuxt HN

   SlopCodeBench 10/2026 – Opus 5.5, Astra wins overall, xhigh …](https://hn.nuxt.space/item/50108717)