最鼓吹AI编程的人,关了自己的项目

代码蛀虫

读完需要

3

分钟

点击头像上方蓝字
代码蛀虫即可关注

Steve Yegge 曾经逢人就劝把 token 用满，最近却关掉了自己的 AI 编程项目 Gas Town，还认了账：每月几千美元订阅，最后只建出这个项目本身。

Steve Yegge 这个名字，混过技术的老读者大概不陌生。前阵子他是 AI 编程最响的布道者，逢人就说把 token 用满、让 coding agent 替你把活干完。结果最近，他把自己做的那个 AI 编程项目 Gas Town 关了，还认了笔账：每个月花几千美元订阅 coding agent，到最后，用它们真正建出来的东西，只有 Gas Town 自己。

喊最响的人，先交了白卷

Gas Town 走的是"编排者"路线——一个专门用来大规模调度 coding agent 的工具。Yegge 自己承认，除了拿它把 Gas Town 搭出来，别的像样的东西一个没建成。每个月几千刀的订阅费花出去，吞吐没兑现。这跟 Dan Luu 早先的研究对上了：重度编排的 agent，在任务完成的可靠性上本就吃力。

讲真，这种"自己打自己脸"的坦白，比一堆厂商宣传片值钱。最激进推崇拉满 token 用量的人，亲口说这账算不回来，说明"AI 替你把工程干完"这个故事，至少在目前，还挑对象。

另一头，3500 人铺开后的账单

同一周，Databricks 给了个反向样本。他们把 GPT-6 Astra 铺给大约 3500 名工程师，结论是：在高层系统设计这类最复杂的长周期任务上，Astra 明确比之前的 Opus 5、Sol 5.6 强（Patrick Wendell 用的词是 "unambiguously"）。但总编码支出，涨了大约 60%。公司专门划了笔 Astra 子预算，让大家挑着用，而不是无差别铺满。

这俩数据放一起看很有意思：一个说"猛灌 agent 没产出"，一个说"好模型真管用、但账单厚了六成"。共同点在于，钱花出去和活干出来，中间不是等号。Astra 在难活上确实能打，可中等、低复杂度的日常编码，提升有限——而工程师大部分时间，恰恰耗在这些不上不下的活上。

钱花出去了，活不一定多出来

所以眼下企业里用 coding agent，大概分两派：一派像 Databricks，把好模型按席位铺开，再用子预算兜住成本；一派像 Yegge，砸了订阅费发现编排层本身不灵。对卖工具的厂商来说，真正的考题是：selective 地挑复杂活用，而不是人人发一个旗舰模型，会不会变成更稳的默认打法。

Yegge 这波认输，未必是否定 AI 编程，更像是把"无脑拉满"那股劲儿泼了盆冷水。模型在变强，这点不假；但"强"和"划算"，是两本账。

AI 编程这笔账，你那边是越用越省，还是越用越贵？要是让你选，你站 Yegge 的"别瞎灌"，还是 Databricks 的"好模型挑着用"？

— END —