更强的 AI 模型推动更具雄心的工作

我们希望了解，AI 模型的改进会如何改变开发者的工作方式。具体来说，开发者在多大程度上只是在做更多原本就在做的任务？又在多大程度上，性能更强的模型让他们能够开展此前还做不到的工作？

为了回答这个问题，我们与芝加哥大学布斯商学院的 Suproteem Sarkar 教授合作，研究了 500 家使用 Cursor 的公司中开发者的工作方式，时间范围为 2025 年 7 月至 2026 年 3 月。这八个月内，恰逢 Opus 4.5 和 GPT-5.2 发布，这两款模型在 AI 编程能力上带来了跨越式提升。

我们的论文发现，更好的 AI 会带来更高的 AI 需求。这与杰文斯效应类似：效率提升不会降低总使用量，反而会提高它。以每位用户每周平均消息数定义的 AI 用量，在研究期间增长了 44%。

这种增长并非立刻出现，也并不均衡。我们观察到，开发者起初先用更好的模型完成更多复杂度相近的工作，之后才开始着手更复杂的任务。此外，这种转变尤其集中在金融、媒体和广告等行业；在这些领域，竞争压力和全新机会，可能推动了 AI 的应用。

媒体、软件和金融行业领跑

我们研究的所有行业用量都有所增长，但有些行业的增幅明显更大。尤其是媒体和广告行业增幅最高，每位用户的消息数增长了 54%；其次是软件和开发者工具 (+47%) ，以及金融和金融科技 (+45%) 。

我们推测，在金融行业，更强的 AI 可能会催生一种“军备竞赛”效应：一旦有公司使用 AI 获得交易优势，其他公司就会迫于竞争压力跟进。而在媒体和广告行业，驱动因素可能有所不同，更强大的模型拓展了企业可以加以利用的全新机会。

按行业划分的每位用户消息数，重点突出媒体和广告、软件和开发者工具，以及金融和金融科技

复杂度向高端迁移

起初，开发者只是借助改进后的 AI 模型更多地完成原本就在做的工作，但在滞后 4–6 周后，我们观察到，他们开始用模型处理更复杂的任务。总体而言，在整个研究期间，“低复杂度”消息数量增长了 22%，而“高复杂度”消息数量增长了 68%，其中大部分增长发生在最后六周。

在论文中，我们假设，这种延迟既反映了开发者发现更好的模型能做什么所需的时间，也反映了企业围绕新功能重新调整工作流的需要。

不断变化的任务分布

随着 AI 在程式碼產生方面不断进步，开发者的工作正逐渐转向管理这些输出。这一变化在我们的数据中表现得非常明显：我们可以看到，不同任务类别的用量是如何随之演变的。增长幅度最大的是文档 (+62%) 、架构 (+52%) 、代码审查 (+51%) 和学习 (+50%) ，而像 UI/样式这类相对更独立的任务，增长则小得多 (+15%) 。

这表明，随着 AI 生成的代码不断扩大代码库规模，对这些代码进行记录、理解和审查的需求也会相应增加。规模更大、迭代更快的代码库，也会增加统筹各部分如何协同工作的复杂度，这或许可以解释为什么架构和部署这类跨系统任务会显著增长。能力更强的模型，也可能让开发者更愿意使用智能体来处理这些跨系统任务。