AI 写代码，次高思考档为什么在一项评测里

AI 写代码不是想得越久越好。Anthropic 的 Sonnet 5.5 模型就翻了车：在 FrontierCode 评测里，最高思考档得分反而比次高档低了近 6%。

评测看的是“能不能直接合并”。这可不是光代码跑通就行。它还得符合项目规范、测试到位，而且绝对不能超出题目要求的范围。

最高档容易因为“过度审查”被扣分。开到最高档后，AI 会启动额外的代码审查。这不仅拖慢速度导致超时，还经常顺手改了不该改的地方。结果就是白忙活一场，反而没达到验收标准。

所以用 AI 写代码，别无脑开最高档。先定好交付范围和截止时间，再决定要不要加审查。