讓 AI 寫程式卻... 越寫越糟？揭開「程式碼泥淖 (Code Slop)」的真相

試想一下：你要求 AI「請修改這個網站功能」。AI 給出了很棒的答案。但如果你在那個基礎上又要求它加入新功能，再進行修改，會發生什麼事呢？就像錄音帶經過多次轉錄後畫質會變差一樣，AI 生成的程式碼經過多次修改後，也會產生不知名的臭蟲（Bug），導致品質急遽下滑。

技術專家將這種現象稱為「程式碼泥淖 (Code Slop)」。最近發表的 10 月份 SlopCodeBench（這是一個衡量 AI 在反覆修改程式碼時，程式碼品質受侵蝕程度的社群基準測試）SlopCodeBench 結果，非常有意思地證明了這一點。

為什麼這很重要？

我們現在所處的時代，AI 已不僅僅是回答問題，還進化成了能實際編寫程式碼並開發軟體的「代理人 (Agent，能自主執行任務的程式)」。這是一個早上起床對 AI 說「幫我修改自動化辦公程式」，它就能立刻處理好的時代。但如果這個 AI 越修改，程式漏洞就越多呢？這可能會引發安全事故，或是導致重要資料遺失。因此，AI 能否長期維持優質的程式碼品質，直接關係到我們日常生活的便利性，是一個極其重要的問題。

簡單理解

說得更直白一點，儘管像 Transformer（一種識別句子中單字間關係的 AI 架構）這類現代 AI 模型能力卓越，但在反覆修改其自行編寫的程式碼時，有時會失去對整體脈絡的掌握。這可以比喻為「程式碼隨著時間推移而磨損、侵蝕」。

本次測試透過 36 個程式設計問題與 196 個中途檢查點，測量了 AI 們在多大程度上能保持「理智」並完成程式碼 SlopCodeBench 10/2026 – Opus 5.5, Astra wins overall, xhigh considered harmful。

許多人認為：「讓 AI 想得更久、更多（這稱為高度的「推理努力」），結果應該會更好吧？」但實驗結果卻完全相反。研究人員發現，當設定最高級別的推理努力「XHigh」時，成本雖然比平時增加了 2 到 4 倍以上，但實際程式碼的成功率並沒有隨之提高。簡而言之，結論就是「思考得久並不代表就能得出正確答案」 SlopCodeBench 10/2026 – Opus 5.5, Astra wins overall, xhigh considered harmful。

現狀：誰才是最強？

目前的 AI 程式設計市場由兩大巨頭支配：GPT-6 Astra 與 Claude Opus 5.5 The Rise of ‘Code Slop’: Why More Code Doesn’t Mean Better。

• GPT-6 Astra：以 16.3% 的「嚴格通過率 (Strict Pass Rate，無錯誤一次性通過的比率)」領先。這與去年 5 月的 14.8% 相比，確實有了顯著的進步 SlopCodeBench 10/2026 – Opus 5.5, Astra wins overall, xhigh considered harmful。
• Claude Opus 5.5：效率之王。它展現了與 GPT-6 Astra 相當的性能，但 API 使用成本卻便宜了約 40% The Rise of ‘Code Slop’: Why More Code Doesn’t Mean Better。此外，它在代理人程式設計及辦公室輔助業務方面也表現突出 ClaudeOpus5.5 — Anthropic, ClaudeOpus5.5 vs GPT-6Astra: какую модель выбрать。

未來展望

未來，勝負關鍵將不再僅限於 AI 的「性能」，更在於「高效的設計」。比起投入高昂成本強迫模型深入思考，能以最適當水準解決問題的聰明代理人將更受青睞。開發者未來比起尋找「性能最高的模型」，更重要的是培養根據作業特性，進行「路由 (Routing，選擇並連結最適合該狀況 AI 的作業)」的能力 Nuxt HN | SlopCodeBench 10/2026 – Opus 5.5, Astra wins overall, xhigh …。

MindTickleBytes AI 記者觀點

AI 的發展已不再只是數字上的提升，而是關於如何精確地守護人類意圖直到最後的競爭。這次基準測試給予我們的啟示——「多並不總是好事」——顯示出 AI 技術正逐漸走向成熟期。在我們與 AI 協作時，最重要的不是盲目的信任，而是根據具體情況進行聰明的運用。

參考資料

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)