Gemini 2.5 Pro 代码水平已经能与腾讯 T7 相媲美了

@datou 哈哈一样

幻觉太多了，都得自己再验证一遍。复杂点的需求基本都有坑

是这样的，感觉 gemini 2.5pro 和 claude 3.7 已经能完成大部分普通的前后端开发工作，瓶颈在于用户能否清晰准确的描述需求，以及如何让 AI 写出的代码与项目所使用的库的版本相匹配

@thinkm https://medium.com/airbnb-engineering/accelerating-large-scale-test-migration-with-llms-9565c208023b 可以参考下这个 希望对你有帮助

会员都可以白嫖了，我也用了好几天了，也有上传项目代码的功能， 确实不错。

别的不说，你确定阿里 P9 有啥代码水平？
& 其实做业务本来代码就那样，像 T7 这种重点不是代码怎么样（代码水平从进来开始就已经需要达到一定标准了），T7 应该是已经可以基本做到独立完成整个流程中的所有工作，并且能做出优化之类的

哥 你太看得起腾讯 t7 的编码能力了。。

@Felldeadbird 2.5 pro 降智了，没最开始好用，cursor 也官方说了这个问题。

如果你做到 T8 T9 还是在研究代码结构，解决 leetcode 类似的场景问题，那被 AI 取代也并不奇怪。

p9 不写代码，写代码的巅峰是 p7 ，真有 p9 能力，那 ai 就可以无中生有，那时候 ai 肯定代替人类了

写代码最重要的是单个难题的解决吗？ 不是。 是整个系统问题的解决，系统问题里的每个点互相缠绕最后能取得平衡。

不理解，是腾讯 T9 和阿里 P9 写的代码比 Gemini 强吗？

现在这些大模型给我的感觉就是：富有经验，但沉溺在自己经验里的工程师，一旦跳出它的舒适圈，就很难绷。

前几天有段 Rust 代码想重构一下，是用 async + rayon + opencv 对一批图像进行处理。

由于把 async 和 rayon 混在一起比较麻烦，我一开始选择是每个 task 把“所有”图片处理完再进行下一个 task ，大概像这样 async task1 （过滤） -> rayon task2 （多线程计算） -> async task3 （收集），但这样显然效率不高，应该流式处理更合适。

然后我就试了让 gemini 2.5 pro 和 claude 3.7 sonnet thinking 帮我重构一下，我解释了这段代码在干啥，我为什么这么写，我现在希望重构成哪种效果……

结果惨不忍睹，它们做的事情包括但不限于：
1. 先计算，再过滤收集——即使我强调过计算非常慢
2. 把计算任务也全部放到异步 task 里——你觉得我为啥要特地拆成三个 task
3. 遇到所有权和生命周期问题就是一通乱改，改了几次过不了就全部重写（？？）
……

最后为了预防高血压，还是自己写了，其实就是把 rayon 换成一个线程池，然后三个 task 之间用 channel 通信。就这么个简单的任务，这些刷起题来比我强到不知到哪里去的 AI 硬是没做出来。

根据我的测试，GPT-4.1 编程能力和输出质量明显高于 Gemini 2.5 Pro 。输出比 Gemini 更专注和精简。

> 最后想问大家：如果以后的 AI 真的能写出达到腾讯 T9 水平甚至阿里 p9 的代码水平，你会选择和它合作，还是转行？

什么时候 title 也能算是代码水平的体现了？ GitHub 上那么多巨牛，拿这些人比一比我觉得才恰当吧。众所周知，大模型现在欠缺了巨量上下文的能力，作为一个合格的程序员，对于熟悉的项目，我的脑子里能含有几十 w 行 token 的容量，AI 目前还不可以。目前我个人体感，在恰当的引导下，AI 对单步需求的完成度还是比较不错的，后面的效果还得继续观察。

假如 AI 真能在一个几十 w 行 token 得项目下掌控雷电，那我肯定会选择与它合作，因为我在现实中很难找到这种朋友。

llm 从 22 年开始算，现在才第三年，SO 如果再给 5 年时间，会达到什么水平？？？

claude 3.7 实测更好用

我认识的 T10 都在高强度用大模型写代码，你还在跟 T7 比。。

OP 至少同时对 “代码质量” 和 “T9 / P9” 都没什么了解

说白了，AI 就是站在训练语料库上才能达到一定高度，一旦公开信息少，基本就是瞎子。这样一看，其实就是提高了搜索效率（工作效率），但是并没有什么创造性的东西。