研究称 Codex 高估任务时长十倍

一项由两位独立 AI 研究员在 MATS 项目完成的测试发现，主流编码助手对时间几乎没有感知。测试对象是 Anthropic 的 Claude Code 和 OpenAI 的 Codex，材料来自 ProgramBench 的 200 个任务加上研究者自建的 18 项基准。

两个模型在任务执行前都会预估所需时长，却**系统性高估**：在 ProgramBench 上无论难度，两者大多猜 90 分钟左右；第二轮中 Claude Code 平均偏差三倍，**Codex 偏差达六到十倍**，短任务偏差最严重。它们对自身工作质量的评分也平均高出约 20 个百分点，失败任务上也给自己打高分。

💡 为什么值得看AI 编码助手时间感知偏差可达十倍，长期任务难以监督。