AI 写代码这事，被吹到天上很久了。可真让它独立把一个 App 从头写到尾，能成的没几个。写代码这件事，"考试"和"干活"从来是两回事：算法题会做，不等于能把一个真实项目交付出来。

9 月发布的 Android Bench 2.0 干的就是这件实活：不考八股，直接拿真实 App 开发任务去测主流大模型。测完的结果是，最强的 GPT-6 Astra，通过率最高也只有 28%；剩下大多数模型，只有 8%。十个真实任务，最强模型能自己啃下来的不到三个。

    大厂自己也承认路还长。微软研究院和 KAIST 联合发的 ProgramDistill 研究里，让模型全量重建一个应用，成功率 49.2%，勉强过半；可一旦任务一环扣一环——先改 A、再动 B、再调 C——成功率就从 100% 一路跌到 64%。每一环都在漏。

那 AI 编程还有没有用？有，只是用法要换。别让它"做一个 App"，那超出它今天的能力；拆成"写这个页面""调这个接口""修这个报错"，它干得很利索。写好的代码自己跑一遍验收，别直接信它那句"完成了"。任务越单一、越具体，它越稳。

现在网上到处都是"AI 十分钟做出一个 App"的教学，看完容易误以为写代码的门槛没了。实际上那些演示，多数是只挑顺利的几段放给你看。你自己上手跑一次真实需求就会明白，卡壳的环节全在那些演示没拍出来的地方。想验证一台模型到底行不行，最简单的办法就是别信演示：拿一个你自己正在做的小需求去试，让 AI 从零写到能跑，中间不帮它圆场，结果你自己心里就有数了。

下次再看到"AI 写代码封神"的标题，你心里有个数：最强模型真实任务通过率 28%，其他多数 8%。真要靠 AI 干活，就把活拆小、自己验收，别把整个项目压给 AI。你负责拆活和验活，它负责干活，这才是普通人用 AI 编程的正确姿势。