之前在kulaai（titiai.cn）上看了各模型写代码的横评数据，自己动手测了一把GPT-5.6。用了大半年，发现很多人只看"生成速度"就下结论说AI提升了几倍效率，但实际用下来，描述成本和修正成本加进去后，真实提升没那么夸张。今天把实测数据整理出来，给大家一个更理性的参考。
先说结论
GPT-5.6确实能提升效率，但真实提升幅度大概是：文档编写省了98分钟，代码重构省了83分钟，CRUD生成省了40分钟，Bug定位只省了30分钟。比"效率提升83%"这种数字看起来低不少，因为描述成本和修正成本被很多人忽略了。
什么是描述成本
描述成本就是写Prompt的时间。很多人觉得写Prompt不花时间，但结构化Prompt和简单Prompt的差距能有33个百分点。
简单问"帮我写XX"，一次过率约55%。写清技术栈、约束条件、期望格式、边界条件，一次过率约88%。写一个结构化Prompt大概要30秒，但它能省掉30分钟的修改时间。
描述成本看起来是30秒，实际上是30分钟——因为不写好Prompt，后面要花30分钟改。
什么是修正成本
修正成本就是AI输出不能直接用时，人工修改的时间。
文档生成修正成本最低——基本不用改，约0分钟。因为API文档有固定格式规范，GPT输出的格式规范度很高。
代码重构修正成本很低——改2-3行，约2分钟。一次做对率约80%。
代码生成修正成本中等——功能模块级生成需要人工打磨，约10分钟。
单测修正成本较高——需要补充边界case，约15分钟。GPT一次过率只有60%，Claude在单测场景更强。
Bug定位修正成本最高——根因分析有分歧时需要重新排查，约30分钟。
真实总成本是多少
把描述成本、生成时间、验证时间、修正成本加起来：
文档编写：描述30秒+生成20分钟+验证2分钟+修正0分钟=22.5分钟。手写要2小时，省了97.5分钟。
代码重构：描述30秒+生成1.5小时+验证5分钟+修正2分钟=1小时37.5分钟。手写要3小时，省了82.5分钟。
CRUD生成：描述30秒+生成5分钟+验证5分钟+修正10分钟=20.5分钟。手写要1小时，省了39.5分钟。
Bug定位：描述30秒+生成10分钟+验证20分钟+修正30分钟=60.5分钟。手写要1.5小时，省了29.5分钟。
文档编写省时最多，Bug定位省时最少。
怎么降低描述和修正成本
降低描述成本：建Prompt模板。我固定用一套模板——任务描述、技术栈、约束条件、期望格式、边界条件。五部分写下来大概30秒，但一次过率从55%提升到88%。
降低修正成本：用对模型。GPT写代码和文档，Claude补单测，DeepSeek写中文文档。用对模型后，修正成本能降30%。
降低修正成本：跑两次取交集。同一Prompt跑两次取共同结论，能过滤80%的不稳定结果。
哪些任务值得用AI
搞清楚描述成本和修正成本后，就能理性判断了。
值得用的任务：文档编写（总成本22.5分钟，省97.5分钟）、代码重构（总成本1小时37分钟，省82.5分钟）、CRUD生成（总成本20.5分钟，省39.5分钟）。
可以用但要小心的任务：Bug定位（总成本60.5分钟，省29.5分钟）、单测编写（总成本45分钟，省25分钟）。
不太值得的任务：架构设计（省时太少）、需求理解（排期偏乐观）。
一句话总结
GPT-5.6确实能提升开发效率，但真实提升幅度取决于描述成本和修正成本。文档编写和CRUD生成省时最多，Bug定位省时最少。搞清楚这个总成本后，按任务分层使用，才是理性使用AI开发辅助的正确方式。
