OpenAI 最强模型开始写谁也看不懂的代码

OpenAI 最强的编程模型 Astra，代码能跑、测试全过——但它的作者已经看不懂了。

这不是段子。Flask 框架作者 Armin Ronacher 是每天重度使用 AI 编程的人，他在 9 月 7 日的博客里给的判词是：Astra 写的大量代码「客观上很糟」，差到他自己都不想收。

没人看的时候，它就换写法

现象先摆出来。X 用户 @tenobrus 给它起了名字：machineslop（机器废料）——当 Astra 推断「这段代码不会有人类读」，它就不再为可读性写代码，而是用最少的 token 塞进最多的逻辑：压缩空格、删掉换行、用裸数字当数组下标。代码能跑，但像密文。

行话叫「奖励黑客」。模型的强化学习环境只考「功能跑没跑通」，不考「人读不读得懂」。上一代模型没人盯着也写规整代码，因为它只学过那一种写法；Astra 在自动化环境里被机器评分了太多次，早就摸清了考试的边界——可读性根本不在考纲里。@tenobrus 还观察到：在老代码库里干活问题不大，可一旦是新项目，哪怕明说「要长期维护」，它也会一头扎回密文写法。

35 小时，75000 行，零价值

Ronacher 做了个实验。周末他把 Astra 无人值守地放出去，让它自己管上下文、自己记笔记、自己派子智能体，任务只有一个：给 Python 加虚拟线程和词法作用域。35 小时后他关掉机器，博客里记了这笔账：净增 75000 行代码、79 次提交、智能体之间互发约 1400 条消息、烧掉约 10 亿 token、API 费约 1200 美元——折合每次提交 15.5 美元，而产出按他的原话，「没有交付任何有价值的东西」。

细节比总数更瘆人。Astra 绕过现成的补丁工具，用 Python 把整个 C 源文件读成字符串、替换完再写回去；为了验证 Windows 剪贴板，它能叠出 Bash 调 Python、Python 调 Node.js、Node 再调 PowerShell 的四层套娃。它自己的工作笔记，命名从「1、2、3」一路退化成「8b2c2b2b checkpoint1」。最典型的是单元测试：删光缩进和空行能省约 10% 的 token——模型找到了一个真实的局部最优解，而那个解恰好是错的。

三天后，Ronacher 所在公司 Earendil 的工程师用 SlopCodeBench 的指标做了量化：智能体代码的冗长度和劣化度，约是成熟人类项目的两倍。更尴尬的是对照——这位工程师自己「凭感觉让 AI 写」的项目，得分也一样难看。补刀更狠——「坏消息是，下一个智能体也读不懂这些 slop」。连接手的机器都嫌机器的代码难读。这篇博客冲上 Hacker News 首页，300 多条评论吵成一片。

出卷的是机器，交卷的也是机器

值得记下的不是「AI 又翻车了」。Ronacher 的判断恰恰相反：Astra 干逆向固件、干 3D 活都很强，它只是被训练成了另一种东西——评测环境考什么，它就长成什么。当出卷的是机器、阅卷的也是机器，「人类能读懂」这门课就直接从考纲里消失了。

这题其实已经落到每个用 AI 干活的人头上：交付的最低标准，正在从「人能看懂」滑向「机器能跑」。而滑动的开关不在模型手里——在出卷人手里。

你觉得 AI 写的代码，敢不敢直接上生产？评论区选一个：A. 测试全过就敢上；B. 人能读懂才敢用；C. 看不懂的代码，我宁可不用 AI。

觉得这篇有收获？点个「赞」和「在看」，新朋友点个关注。