最近，威斯康星大学和麻省理工学院的研究人员在2026年3月29日发布的一项突破性研究证明，现有的AI编码基准都在测量错误的东西。该研究引入了SlopCodeBench，这是一个新的评估框架，测试AI模型在迭代编码任务中的表现，其中需求会随着时间演变。在涉及11个领先模型的测试中，包括Claude Opus 4.6和GPT 5.4，没有一个模型能端到端解决单个问题，而不积累研究人员称为“slop”的不必要冗长、复杂和不可维护的代码结构。主要发现显示，89.8%的轨迹中冗长度上升，代理的侵蚀率为0.68，而人类维护的仓库仅为0.31。这项2026年3月的研究强调，虽然AI在针对固定规范的单次编码中表现出色，但在真实世界软件项目中，它难以应对代码需要反复扩展和适应的动态特性。

这项发现对依赖AI驱动开发工具的行业具有深远商业影响。在软件工程领域，像微软和谷歌这样的公司，将AI编码器集成到GitHub Copilot等平台中，可能在长期项目扩展中面临挑战。研究显示，通过率保持高位，但代码质量下降，例如Claude Opus 4.6在一个示例中，从8个检查点的循环复杂度从29飙升到285。这意味着采用AI编码的企业可能面临隐藏成本，因为冗长导致最终检查点的计算费用增加2.9倍，而正确性并未改善。市场机会出现在开发反slop解决方案中，如专用提示技术，在GPT 5.4测试中将初始冗长减少34.5%。然而，研究指出这些提示仅移动起点，而不改变衰减率，指向当前大型语言模型的架构限制。对于企业，这转化为围绕混合人类-AI工作流程的货币化策略，其中AI处理初始草稿，人类重构以提高可维护性，根据2025年的相关行业报告，可能将开发时间缩短高达30%。

从技术角度看，SlopCodeBench包括20个问题和93个检查点，强制模型在其先前输出基础上构建，而无重置或黄金标准参考。这反映了真实软件生命周期，其中早期架构决策会随着时间复合。2026年3月的研究发现，代理进行局部优化，为通过即时测试而硬编码逻辑，当规范变化时这会适得其反。80%的轨迹中侵蚀上升，所有模型的严格解决率峰值为17.2%。竞争格局分析显示，像OpenAI和Anthropic这样的关键玩家需要解决这些问题以维持市场主导地位。监管考虑包括确保AI工具符合软件质量标准，如ISO 25010，以避免在金融或医疗等关键应用中的责任。从伦理上，该研究促进长期可维护性的基准测试最佳实践，鼓励开发者优先考虑可扩展设计而非快速修复。

展望未来，SlopCodeBench的影响可能重塑AI在2025年预计价值5000亿美元的全球软件市场中的角色。未来预测表明，到2030年，在迭代数据集上训练的模型可能实现人类般的0.31侵蚀率，解锁自动化DevOps管道的机会。实施挑战包括高训练成本和多轮编码语料库的数据稀缺，但联合学习等解决方案可缓解这些问题。企业可以通过投资早期检测slop的AI审计工具来获利，根据新兴趋势分析，到2028年可能创建一个价值100亿美元的新利基市场。实际应用扩展到敏捷方法，其中AI协助冲刺规划，但需要监督以防止衰减。总体而言，这项2026年3月的研究将焦点从AI是否能编写代码转移到它是否能构建可持续软件，敦促行业适应更稳健的AI整合策略。

常见问题解答：什么是SlopCodeBench，为什么它对AI编码重要？SlopCodeBench是威斯康星大学和麻省理工学院研究人员在2026年3月引入的新基准，旨在评估AI模型在迭代编码任务中的表现，其中代码必须在多个检查点扩展。它重要是因为它暴露了传统基准的缺陷，这些基准仅测试单次性能，揭示AI生成的代码尽管通过测试但变得不可维护，这对商业效率和软件质量有直接影响。企业如何缓解AI编码slop？企业可以使用反slop提示将初始冗长减少高达34.5%，如2026年研究所示，并实施结合AI与人类监督的重构混合工作流程，解决像GPT 5.4这样的模型中的根源架构问题。