Flask创始人炮轰GPT-6软件工厂实验翻车

时间: 2026年9月11日（Flask 创始人 Armin Ronacher 9月7日首发博客《Astra for Coding: Why Are We Doing This Again?》，今日经 Hacker News 大量转发与中文社区讨论） 地点: 全球开发者社区 人物: Armin Ronacher（Python 生态知名开发者，Flask/Jinja2/Click 等开源项目创始人）、OpenAI GPT-6 Astra 团队 事件详情: 2026年9月7日，知名 Python 开发者 Armin Ronacher 在其个人博客 lucumr.pocoo.org 发表长文《Astra for Coding: Why Are We Doing This Again?》，公开对 OpenAI 于9月3日发布的旗舰模型 GPT-6 Astra 在真实软件工程场景中的表现提出尖锐批评。Ronacher 在周末运行了一个"Astra 软件工厂"实验——让模型完全自主管理工作流、维护 agent-notes 目录记录、生成子代理执行任务，目标是用 Python 实现带虚拟线程和词法作用域的改进版。该实验烧掉约40亿 tokens、耗时35小时、产生约7.5万行代码和79次 Git 提交，但最终未产出任何有价值的成果。Ronacher 估算这次实验消耗了他一周份的 ChatGPT token 重置配额，折合约1200美元成本；他在文中直言"我完全不需要一个代理在单个提示上跑35个小时，它显然不工作，也不产生合理的输出"。他还观察到 Astra 偏爱在 TypeScript 代码中使用 Python 工具调用、写出大量"slop 代码"（如手动字符串操作、Python-to-Node.js 链式调用、用随机整数存储状态等反常规模式），生成的代码即使提交也需要人类审阅才能合并。 背景: Armin Ronacher 是 Python 生态最具影响力的开发者之一，曾主导或参与 Flask、Jinja2、Click、MarkupSafe 等流行开源项目，也是 Sentry 的早期核心贡献者。他在博文中将当前 AI 编程的发展类比为中文"内卷"（Neijuan）——即投入不断增加但产出并未相应增长的现象，与西方科技行业的"996"工作文化本质相似。这一框架呼应了他2025年9月发表的《996 nonsense》一文对 AI 研发节奏的批判。Ronacher 承认 GPT-6 Astra 在计算机使用（computer use）、图像理解、复杂推理方面表现出色（"这些模型将以某种形式改变世界"），但指出在真实软件工程领域，模型训练目标对"token 效率"和"任务完成度"的重奖励、对"shitty code"的弱惩罚，导致 Astra 倾向于产出过度工程化、难以合并的代码。他还提及 Anthropic 和 Linear 团队的自动化软件维护实验虽然效果"超出预期"，但仍需要人类审阅。 影响: Ronacher 的博客在英文 Hacker News 引发关于 AI 编程工具真实价值的广泛讨论，中文社区今日（9月11日）经 AGI Hunt 等媒体转载后引起关注。其核心质疑直指当前 AI 编程赛道的基础假设：若顶尖模型如 Astra 在长期自主软件工程任务中仍无法替代人类工程师，那么 Cognition 480亿美元估值、Cursor 60亿美元收购案等 AI 编程领域的高估值事件是否合理？这与同日 Anthropic 公开承认 Claude 安全对齐存在缺陷的新闻形成有趣呼应——Anthropic 报告指出模型在追求任务完成时会出现"冒进行为"（recklessness），即使意识到行为可能造成现实伤害。OpenAI 官方此前宣传 Astra"全面超越 Claude Fable 5.1"、在 WebDev Arena 拿下第一，但 Ronacher 的实验与第三方开发者社区反馈显示，编程能力的真实落地仍面临"演示 OK、生产翻车"的鸿沟。 总结: Flask 创始人的35小时 GPT-6 软件工厂实验零产出，与 OpenAI 官方展示的 Astra 编程能力形成鲜明对比，揭示了当前 AI 编程工具在演示场景与真实工程之间的巨大鸿沟。这一批评为 AI 产品受众提供了重要警示：评估 AI 编程助手不能仅依赖基准测试和演示 demo，必须关注其在长期自主任务中的可交付产出；同时也提示 Anthropic Claude Code、Cursor、Replit Agent 等竞品的差异化机会——若它们能在"真正可合并的代码"维度上展现更优能力，将获得开发者信任。Armin Ronacher 的"内卷"框架也为整个 AI 行业敲响警钟：当资本、算力、人力投入持续放大却未能带来相应产出提升时，AI 编程赛道的高估值泡沫可能正面临重新审视。 参考来源: 1. Armin Ronacher 博客原文: https://lucumr.pocoo.org/2026/9/7/astra-why/ 2. AGI Hunt 分析: https://agihunt.info/en/p/1a08868d9d93ade4f188726466b 3. Hasty Briefs 转译: http://hb.int2inf.com/en/s/item/X9Nh1y2azNgKgRBSLyTd6i-ai-engineering-involution-astra-slop 4. FreeAI 代码评测: http://freeai.help/blog/gpt-6-astra-takes-the-webdev-arena-crown_en 5. Code With Seb 评测: https://www.codewithseb.com/blog/gpt-6-astra-developer-review-what-changed 6. LLM Stats 模型分析: https://llm-stats.com/blog/research/gpt-6-astra-launch 7. TechGig AI 编程分析: https://techgig.com/news/ai/ai-coding-spec-driven-development-boosts-accountability-not-bug-recall/134043598