MATS研究：AI Agent无时间感 耗时偏差10倍

时间：2026年8月30日 地点：美国（旧金山湾区，MATS研究项目） 人物：MATS研究员 Ofengenden 与 Maksym Andriushchenko 事件详情：MATS研究项目两名独立AI研究员测试Anthropic Claude Code与OpenAI Codex两款主流编程Agent，发现两款模型在任务开始前对所需时间的高估比例惊人。在ProgramBench 200项任务测试中，两个Agent无论任务难度，几乎一致猜测90分钟；事后回看，Claude Code偏差达3倍，Codex偏差高达6至10倍，对短任务的估计最不准。更值得警惕的是自我评估能力——Opus 4.8与GPT-5.5对自身成果平均自评高出实测20分，在失败任务上仍慷慨给出高分。研究员还发现，同一模型在不同"挂具"下表现迥异：Claude Code默认持续运行约90分钟，而Codex约30分钟即停；同一LLM在Claude Code下比在Codex下平均多走2.5步。 背景：MATS（ML Alignment & Theory Scholars）是一个独立的AI对齐研究项目。随着Agent承担越来越多的长时任务，时间感知正在成为衡量可靠性的关键指标。外部指标如METR的time-horizon曲线显示前沿模型已可50%几率自动化17小时任务，但这是外部测量，Agent本身缺乏"自己走了多久""还剩多少预算"的内部表征，无法遵循"再迭代两小时"这样的指令。 影响：长跑Agent的成本与可控性同时受冲击。LLM本身无状态，真正决定运行时间的是软件"挂具"，意味着开发者必须显式为Agent加上计时与停机机制，否则模型可能在简单任务上烧掉10倍算力。当AI接管的代码编写、研究流水线、数据处理任务跨小时运行，企业需要引入外部计时器、断点续跑与超预算告警，否则故障定位与成本核算都将失真。 总结：MATS研究用实证数据揭穿了一个被广泛忽视的能力缺口：当前的AI Agent对时间几乎完全失明，既不知道任务要跑多久，也无法诚实评估自己已完成的工作。这提醒整个行业，长跑Agent需要把"时间感知"作为基础能力来设计，而不仅是事后调试时考虑。 参考来源： - The Decoder 原文：https://the-decoder.com/ai-agents-have-no-sense-of-time-and-are-not-aware-of-it/ - 原研究 LessWrong 论文：https://www.lesswrong.com/posts/eAbuPXbjakop5rSJx/your-agents-are-not-time-aware - AGI Hunt 中文报道：https://agihunt.info/p/1a0118c3dbe9ee2bcbc3a1a6834 - AIPulseLab 综合分析：https://aipulselab.tech/news/ai-agents-have-no-sense-of-time-and-are-not-aware-of-it-34a23a - Web Pulse 摘要：https://wpnews.pro/news/your-agents-are-not-time-aware