一直都有新编程：不看代码，还算程序员吗？
大家不吵编程语言哪家强（天下第一）了，转而吵AI编程：
- 生成一堆垃圾有什么用
- 这质量不能上生产
- 太贵不实用
哦，上面是旧版本，新版本是：
- 必须人来审核
- 性能不行
- 离不开人
在后续某个版本，大家会去吵哪家模型最好（天下第一）。
为什么那么说呢？
历史上发生过了。
编程三重奏
今天，你能想象，还有“机器码大神”，主要用机器码写公司的编程项目吗？来一段：
8d 04 37
c3“汇编器？娘炮才用。真正的程序员才不会浪费宝贵机器算力，让机器替自己做汇编。”
汉明码发明者，理查德·汉明在IBM餐厅，向一百人介绍一套符号汇编系统，只有一位有一点兴趣。
后来SAP出现，汉明觉得“老程序员”之中，对汇编感兴趣的，约1%；还觉得他们就在想上面那句话。
下面这段汇编，相当于上面的机器码。
lea eax, [rdi+rsi]
retret 是return ，这样解释，对没接触过汇编的程序员，应该也能立马看懂ret，但其他得懂一些硬件。
但对“AI一代程序员”，可能连return都不清楚。
FORTRAN 刚出现时，很多程序员觉得编译器生成的机器码不可能比人工汇编好。
而现在懂汇编的程序员，占比还有多少？
一个额外问题：现在懂汇编的人数，比当前少，还是多呢？
可能有人觉得，当年看不起FORTRAN的人没眼光。那倒是有缘由：当时“自动编程”确实性能不行，宣发过猛。
所有早期“自动编程”系统，会让机器的运行速度降低到原来的五分之一甚至十分之一……
程序员用过这些……于是普遍相信：不可能自动写出高效程序。
计算机社区没有认真对待“自动编程”，还有另一个原因：一些“倡导者”热衷于四处宣传，声称自己的“自动编程”系统都快成精了，能理解用户所诉所求；但仔细一看，这些系统往往不过是在处理一些事务性工作，而且结构复杂、例外繁多，既难用又低效。
——节选，译自John Backus The History of FORTRAN I, II, and III
1957 年，FORTRAN 团队公布一个实际案例：47 条 FORTRAN 语句编译成约 1000 条机器指令；开发者估计，如果改成人工手写机器代码，要花约三天，而程序运行速度不会有明显提升。
选择你的程序员定义：
- 纯用机器码
- 至少用汇编
- 至少用高级编程语言
- 至少用Agent产出独有代码
- 钝角
批评者正确，但只限于那个当下。
大模型对话框，是这一代的命令行。
“纯正AI程序员”，可能狂喜，但后文有他们的噩耗。
多年前，或许有人能骑着马车，赛跑赢过火车。但马终归要休息，而火车呼啸前进，头也不回。
如果说高级编程语言，就像这火车，那么Agent就像是飞机。
更新一层
大模型公司的宣发很夸张，个别自媒体吹得更夸张，天天震惊、炸裂、原子弹爆炸……弹药充足，不带停的。
现在，很多人对AI编程、AI办公持怀疑态度，这很正常。如果接触的AI又是豆女士，那就更正常啦。
大概去年十一月，“自动编程”基本成立。部分程序员开始纯AI编程，甚至懒于肉眼审核AI产出，不去看具体代码。网友争吵进入「AI产出必须人来审核」阶段。
等会儿？“自动编程”，好像挺耳熟。前面解决汇编问题的宣发，也用过啊？
话说，微软的Copilot（副驾驶），怎么还低一档呢？
大伙争的，是一条边界，每一代程序员，守的人机界限：
到底哪些事交给机器，哪些交给人类？谁负责跟机器沟通，让大家手上的机器更好用？
这条界限一直在波动，最近剧烈一些。
2026年7月左右，各家公司热情褪去，开始盘算引入大模型性价比，甚至有公司约谈大模型用量大的员工。
是泡沫要破了吗？经济上可能比较危险，但模型使用上，并没有回到「太贵不实用」的迹象。
而且，模型进步是实打实的。
大模型进步速度
不到四年前，ChatGPT公布。
语法检查器Grammarly跟翻译软件DeepL，这俩专用模型支撑的软件，需求不减反增——GPT有亮点、有竞争力，但当时不便宜，表现不稳定，居然会漏段！而这俩经常进对比名单，效果名列前茅，曝光量反而变大很多。
但没两年，专用模型就“泯于众模”，Grammarly主动选择加入GPT来优化产品。这两年才了解大模型的人，可能都没听过。
你看看大模型价格下降多快呢？
拿约两年半前的GPT 4o做个例子，它比GPT 5.6Luna贵很多、编程质量上差得多，用实际编程数据让AI简单换算一下，在假设产出质量等同的劣势条件下，Luna反而省97%（考虑输入缓存。）
2024年5月13日，OpenAI 发布 GPT-4o，2026年7月30日，OpenAI 将 GPT-5.6 Luna API 价格下调 80%。
不到两年半。
这是“底层战力”，那“高级战力”呢？
去年11月，“自动编程”基本实现，一些开发者开始习惯不看代码。
2026年7月9日，GPT 5.6 Sol，能较好处理部分模糊要求，基本实现了如下开发循环：
2026年9月4号，GPT 6 Astra除了优化了“小试”跟“开发”，同时也开始能做一部分“确认”跟“验收”工作：
另外，流程图v1，原本是GPT Image 2.5生图，然后我让GPT 6 Pro转为一个流程图网页，于是能手动自行调整成v1.1——画矢量图，也可以用开发循环。
另外模型矢量图能力，远不止这样，比如下方左侧是参考图，右边是临摹的矢量图，不用工具描图的情况下，迭代了第7次：
现在，人还在循环之中。程序员还守着人机边界。
再往后，开发循环又会怎么变呢？如果“小试”跟“确认”、“开发”跟“验收”越来越近，会出现什么结果？
3D建模也开始程序化。面数密度不高的场景，输入只需包含相对准确的描述，就能“打印”出模型，以及配套简单动画。下面这个模型，有效输入是两张图，磕磕碰碰花了一小时，折合API约14美元。
再考虑套餐价。而以往一个月，两百美元套餐，能用出折合API价一万美元的效果。也就是折合订阅价，这个3D模型花费人民币两块钱以内。
现阶段有很多问题，很贵，但又怎样呢？
3D建模界，会迎来自己的”提示词工程“热潮。
六年前，马斯克（未收购推特版）：
“从最初的 GPT 到 GPT-3，进步速度确实惊人。如果这种势头延续下去，GPT-5 或 GPT-6 可能会强到一种地步，让人分不清它和最聪明的人类，谁更厉害。”
“这只是我个人的看法，不代表我在为它背书。我两三年前就已经离开 OpenAI 了，现在基本算是一个中立的局外人。”
当通用模型接手专用模型
GPT 6 Astra是做3D模型最好的通用大模型。那么有没有图片转3D的专用模型呢？
我以前对比过几家，选了一家用，相比Astra，做人像，目前稳定不少、便宜一些……
有既视感吗？还记得前面说的文字专用模型吗？
现在GPT6建模，灵活但较贵（好像订阅价也没贵多少？）不稳定，人像特别差，但它正在把3D建模AI编程化，接受更广泛输入的同时，它还能接手专用模型后续任务：“我有了一个粗糙3D模型，然后呢？”也就是下图的情景，甚至后面怎么对接到具体游戏应用。
这将会大大拓展受众群。不然你看上面那辆车，对应专有模型输出结果，用起来会麻烦太多：
你再看看大模型的产出组织，整整齐齐：
另外，如果购买了现有3D模型，导致风格不统一的问题，也有望解决：
许多年前，马车或许比火车快，快一时半会，但火车滚滚向前，势不可挡。
分层与泄露
计算机世界是分层的。很多人会想，一层负责一类事情，上层可以什么也别管。
这种策略相当成功、方便。你看，就连网络也是分层的：
但可惜，底层也会出问题，“底层代码依赖”也会有缺陷，Cloudflare也可能线路瘫痪，AI服务会宕机……此时，上层自行兜底，或者全员休息。
有人把这种情况画成一类梗图：
我把这叫做「复杂度泄露」。上层没有完全干掉下层，甚至会有新方案、新公司去处理下层事务。
高级语言同样不可能消灭：
- 编译器缺陷
- CPU 问题
- 操作系统内核问题
- 数据库性能问题
- 网络故障
- ……
也就是说，就算掌握了高级编程语言，也要有一些计算机常识：CPU、内存、数据库、操作系统……
我见过Vibe Coding项目：
- 用Base64存图片。比如初版IMSB测评网页，每个人加载网页，都会把全部结果图片下载下来；
- 用JSON或JSONL存大量数据。不知道为什么有的人特别喜欢这样存；
- 写功能忘了检查，导致频繁读写磁盘。
别笑，大名鼎鼎的Codex，曾经频繁写磁盘，现在还在用JSONL存大量日志或聊天数据，里面有Base64存的图片。
这对“纯AI编程”来说是噩耗，但也有好消息：只要还有「复杂度泄露」，那么人始终会在「开发循环」中；只要AI还不能完美处理，那么就还需要人，守在人机之间。
AI编程，还有一层？
可能你会猜，更新的一层，是AI编程。
单位人类时间，输入能表达的空间越来越大：
- 汇编码比机器码大；
- 高级编程比汇编大；
- AI编程比高级编程大；
- ……
每加一层，人输入的麻烦越少，输入空间越大。
那再下一层呢？
回到之前的问题：
如果“小试”跟“确认”、“开发”跟“验收”越来越近，会出现什么结果？
你了解模型训练吗？训练的高频迭代，不可能手工进行，大家选择用训练集去自动确认、开发用测试集去自动验收。
凡是能低成本、反复且可靠地检验结果的任务，都能被训练。
训练产出大模型本身，一种新程序。
这一层程序员主要掌握的，应该是模型训练。标志是将AI编程基本覆盖住，并加以拓展。
或许是，「模型训练即开发，模型运行即编译」。开发的是模型这一新程序，编译的是高级编程语言这一“旧”程序。
「编译」成果也不只是程序，也有用户阅读的内容，图文音视频。
但是，也不是「但是」吧，或许是好消息：这可能要花很久时间，毕竟数据通路没那么好接。
AI编程还有时间。
而且，有「复杂度泄露」在，人类还有更多时间。
大模型：智能引擎
大模型缩短了信息的距离：
- 人工搜索，换五六个关键词，点击十几个页面。问AI，一段话。
- 想要一张图片，或许找实物拍照，或者请画师画个十天。问AI，两分钟。
- 视频、模型、代码……
类比到物理空间，大模型是智能引擎，Agent是信息空间的飞机。
物理空间需要动力，信息空间需要智力。
飞机需要制造、维护；要配套机场、航道；需要准确定位、及格天气……
机场往往不是出发点，人类要花很多功夫在登机。
机场也不是目的地，人类还要自己折腾，最后一百公里。
但貌似，永远都有新火车、新飞机，一直都有最后一百公里。