更长的智能体任务时长为何不一定带来更高生产力

前沿智能体的任务完成时长持续翻倍，但在 SlopCodeBench 上最高通过率仅 16.3%（GPT-6 Astra XHigh），GPT-5.5 Sol 在 5 月为 14.8%，9 月多个前沿模型得分更低。文章用回合制模型说明：智能体在错误抽象上工作越久，回滚成本越大，工程师对约束的了解和注意力成为瓶颈。