AI编程的账本正在被重写。GPT-5.6只降价20%，实际账单却直接砍掉八成。这背后的秘密根本不是参数有多猛，而是少走弯路。真实软件开发里，最烧钱的从来都是那些反复试错的无用功。
现实中的代码审查往往需要开发者与审查者不断迭代交互，过程耗时又费钱。以前为了让大模型搞定这些真实难题，大家总喜欢疯狂堆砌大规模代理轨迹数据集做监督微调。结果数据喂了一堆，算力烧了不少，效果却未必见好。
现在思路彻底变了。SWE-Prime证明，用更少的轨迹数据反而能训出更好的性能，彻底告别暴力美学。MCR-Bench更是把静态测试转向动态评估，直接模拟真实的迭代交互过程。AI编程不再盲目试错，而是学会精准发力。
AI编程的下半场，拼的不再是暴力堆数据。精准高效的迭代，才是降本增效的终极武器。与其在弯路上疯狂烧钱，不如一开始就找准方向。少走弯路，才是硬道理。