Flask 作者用 GPT-6 Astra 跑了 35 小时“软件工厂”，烧掉约 40 亿 token，一行能用的代码都没出来

Astra for Coding: Why Are We Doing This Again?

Armin Ronacher 让 Astra 全自动改造 CPython，想给它加上虚拟线程和词法作用域。模型自己管上下文、自己派子任务，结果 35 小时烧了大概 40 亿 token，交付价值为零。Astra 改 C 代码时不爱用正经的补丁工具，反而大量用 Python 做字符串拼接和替换，产出的代码质量很差。Ronacher 怀疑训练时过度奖励“把...

推荐理由：Armin Ronacher 拿 Astra 全自动改造 CPython 的实验，把当前最强编码模型的真实短板扒了出来。35 小时、约 40 亿 token 的消耗，最后零交付，这个结果本身就很有冲击力。更关键的是他分析了失败原因：模型不爱用正经的补丁工具，反而用 Python 做字符串操作，说明训练时的奖励机制可能跑偏了。这比任何基准测试都更有说服力，但因为只是单人实验，不是系统性研究，所以分数没给满。