想知道硅谷的程序员怎么使用 AI 编程，被 2000 家公司使用的 AI 代码审查智能体 Greptile 基于每月用 AI 审核的的十亿行代码，发布了 AI 编程年度报告，揭示了使用 AI 编程后带来的生产率提升，但对此程序员们却无法感同身受。

这份报告最让人震撼的一点，是指出了在 AI 编程的帮助下，工程师的代码生产量飞涨。

每位开发人员，每月提交的代码行数从 4450 增长到 7839，增长幅度达到 76%，对于 6-15 人的中型开发团队，每位开发者提交的代码量更是接近翻倍（提升 89%），这意味着 AI 编程工具正成为一种效率倍增器。

更值得注意的是，程序员单次提交代码时，每文件中变更的代码行数的中位数上升 20%（从 18 变为 22 行），意味着代码迭代不仅「更快」，且「变化更多」，这可能反映了 AI 编程工具能够修改的代码及应对的需求正变的复杂。

不过对于报告提到的效率提升，ycombinator 论坛上对该报告的讨论，却大多是怀疑的声音。有人说需要花大量时间修复 AI 生成的代码中的问题。

这些细微差别从未被这类指标所捕捉。更多的人讨论提交的代码数量增加，是不是等同于程序员真实的工作效率提升。

菜鸟程序员完成一个功能需要几十行代码，而资深程序员则只需要几行就能实现。此外，由于引入了 AI 编程，代码被删除和重写的频率如何？这可能不容易统计，但这却很能反映 AI 编程带来的工作效率提升。

另一个更对于代码提交数量增加与工作效率提升的观点是，假设员工之间具备同等的专业能力，那么生产力就取决于代码行数的产出。但事实上，有的任务很难，但不需要太多行代码，只有资深程序员才能完成；而有些任务很简单，却需要很多行代码。只看代码提交量，是将所有任务都看成是中等难度的任务。

此外，不同程序员提交的代码质量不同，这一点在该报告中也没有体现。从这个角度去看，每一行代码都应该被视为一种负担，而不是资产。开发团队需要领域专家来判断到底需要多少行代码存在。

就像你可能会通过每小时搬运的物品数量来衡量仓库员工的生产力。但如果有人只是把东西随意扔到仓库里，或者搬运本不需要移动的东西，他们就会最大化这个指标。

AI 辅助下每个程序员能生成更多的代码了，但这些代码真的是完成对应任务所必须的吗？这不是业务方应对考虑的问题，仅仅衡量提交的代码数，可能会鼓励不必要的重复劳动。

从这个角度来看，或许「编辑行数」是更合适的评估程序员工作效率的指标。这样一来，通过重构来减少代码库规模的方式仍然可以被视为有生产力。每删除一行代码得 1 分，每添加一行代码也得 1 分。

OpenAI 依旧领先，但差距在变小

效率跃升的背后，是支撑性技术栈的激烈重构。报告以不同大模型提供商的 SDK 下载量为考察变量，发现在 AI 记忆模块中，mem0 以 59% 市占率一骑绝尘；而对比向量数据库「六强混战」（Weaviate 25% 领先，Chroma/Pinecone/Qdrant 等紧咬）。

LLMOps 层，LiteLLM 增长 4 倍至 4100 万下载，LangSmith 借 LangChain 生态捆绑上位。这印证一个趋势，即模型调度、监控、降级已从「可选项」变为「基建标配」。

当编程调用的智能体数量越来越多，运维复杂度指数上升，LLMOps 正在承接当年 K8s 之于微服务的角色。

对于模型间的军备竞赛，该报告考察模型提供商从 2022 年 1 月到 2025 年 11 月的 SDK 下载量，主要玩家是 OpenAI、Anthropic 和 Google GenAI。OpenAI 以一条陡峭上升的绿色曲线主导市场。其下载量从 2022 年初的几乎为零，一路飙升至 2025 年 11 月的 1.3 亿次，确立了绝对的市场领导者地位。

Anthropic（红色折线）的增长轨迹堪称「火箭式」。

虽然起步较晚且基数较小，但自 2023 年下半年开始，其下载量呈指数级爆发，到 2025 年 11 月已达到 4300 万次，实现了自 2023 年 4 月以来 1547 倍的惊人增长，Open AI 和 Anthropic 的比值已从 47:1 缩至 4.2:1 ——开发者正在用脚投票，向更开放、更可控、更可编程的接口迁移。

而黄色曲线代表谷歌，其增长相对平缓，在 2025 年 11 月的下载量约为 1360 万次，与前两者相比存在显著差距。

不同模型的参数决定模型的适配场景

这份报告还揭示了五大主流模型作为编码智能体后端的实测基准（考察指标包括第一个 token 出现需要等待的时间、吞吐量、成本等），见下表。

通过该表，可看出 Claude Sonnet 4.5 与 Opus 4.5 只需要等待不到 2.5 秒，就会返回第一个 token，显著优于 GPT-5 系（>5 秒）。而在交互式编程中，2 秒是「心流」与「分心」的临界阈值。

而对于批量生成场景，GPT-5-Codex 与 GPT-5.1 的吞吐量断崖领先，适合后台 CI/CD 流水线中的大规模代码生成 / 测试用例填充。

Gemini 3 Pro 则在响应速度时显著较慢，需要等 10 多秒才会返回第一个 token，每秒输出的 token 数也太少，不适合交互式编程的使用场景。

该报告的最后部分，还给出了 2025 年基础模型及大模型编程应用领域的关键论文，这些研究预示下一波突破方向，例如 Self-MoA 颠覆传统多模型集成，证明单模型多次采样 + 聚合可超越异构模型混合，这意味着「模型多样性」或让位于「推理路径多样性」，而 Search-R1 用强化学习训练模型「自主决定何时搜索」，将搜索引擎变为可学习的环境动作，而非静态的工具调用。RetroLM 更是在直接在 KV 层面检索，绕过原始文本，改变大模型组织记忆的方式。

无论用了多少 AI 辅助编程，提交代码前仍需人工审查。追踪 AI 编程工具的使用数据，无法包含人工审核的部分，这将难以真实反映产品实际的使用体验和效果。不过如果你能证明 AI 编程工具有助于更快地发布功能，而不是仅仅允许更多的代码行数通过审查，那么你开发的 AI 编程工具将具有更强的可证明价值。

参考资料：