Astra寫的代碼人類已經看不懂了

作者：機器之心

Astra，每天都有新新聞。昨天攻克 A，今天攻克 B，明天可能要一起解決 CDE……進步之快，讓人目不暇接。而就算你目力過人，你可能也看不懂 Astra 在做啥了。

前些天，???? 用戶 @tenobrus 就發推描述了這一現象：當 GPT-6 Astra 寫代碼時，如果它推斷「這段代碼不會有人真的去看」，它就「不再為人類讀者而寫，也不再為長期維護而寫」。它會寫出一種高度壓縮的東西，人類很難看懂。

@tenobrus 造了個詞叫 machineslop 來描述這種現象，即用儘可能少的 token 解決眼前的問題，同時僅保證 AI 自己讀得懂。

他給這個現象的定性是 reward hacking。

他的猜測是：當足夠多的軟體強化學習環境只測功能和結果、不給代碼質量任何監督信號時，模型自然會學成這樣。上一代的 Sol 或許還會在「覺得沒人看」的時候照樣啟動它的「寫好代碼」模塊，因為它也只學會了這一種寫法；而 Astra 在小盒子裡被另一台機器判過太多次分了。

他補充了兩條觀察：在已有代碼庫上幹活時，他還沒見到這類問題；但在 greenfield 項目上，哪怕你明確告訴它這個項目要長期維護下去，它也有很強的拉力滑向那邊。

然後，Flask 作者 Armin Ronacher 拿出了一堆證據。

https://lucumr.pocoo.org/2026/9/7/astra-why/

Ronacher 在 9 月 7 日的部落格里復盤了一個周末實驗。

他給 Astra 定了個目標：讓 Python 用上虛擬線程和詞法作用域。工作流完全交給模型自己決定，自己管理上下文，自己在 agent-notes 目錄里記筆記，自己派生子 agent。然後他就去過周末了。

35 小時後他把它關掉。產出是凈增 7.5 萬行代碼、79 個 commit、agent 之間交換約 1400 條消息，燒掉約 10 億 token、約 1200 美元的原始 API 成本，摺合每個 commit 15.5 美元。

按他自己的結論，這些東西沒有產生任何價值，也沒讓他學到怎麼把工廠開得更好。

有能力解決千禧年問題的 Astra 為什麼如此拉胯？

第一類問題出在工具調用的代碼上。

Astra 大量放棄 harness 提供的 patch 工具，改用 Python 把整個 C 源文件讀成字符串，做 replace，再寫回磁盤——一行里用分號串起四五條語句，改的是 CPython 的編譯器和內部頭文件。要在 Windows 上驗證剪貼板行為時，它用 Bash 調 Python，Python 調 Node.js，Node.js 再去拉起 PowerShell。

有一次它想確認 macOS 上能不能通過 Unix socket 傳文件描述符，寫出來的探測腳本長這樣：

能跑，也確實省 token。問題是當模型繞開編輯工具、改用這種方式動文件，你就沒法靠讀它的動作跟上它在幹什麼，只能等塵埃落定後去看最終產物的 diff。

第二類問題更麻煩：這種風格漏進了要提交的代碼。Ronacher 貼出的幾段單元測試沒有空行，縮進隨意，賦值擠在分號後面。

他算了筆賬，這些測試在 ruff format 之前，比格式化之後省大約 10% 的 token。他還在生成的 C 代碼里看到 CPython 代碼庫中根本不存在的寫法，一行連打多個宏；在 Python 里看到 taskaccelerator[6]、[8]、[5] 這樣的裸下標存取狀態，那些數字從哪來無人知曉，而且這個原本只服務於測試斷言的函數，後來被非測試代碼用上了。

至於工廠本身的退化軌跡，從任務編號就能讀出來：開頭還是樂觀的 1、2、3、5、5a，最後變成了 8b2c2b3 和「8b2c2b2b checkpoint1」。

而從社交網路上看，這類問題還挺普遍的。

比如 @kannthu 發現，Astra 省 token 的方式就是不打換行、不管代碼風格，寫完之後你可以用 prettier 之類的工具確定性地格式化回來——前提是你配了 prettier。他的判斷是，大模型正在成為我們想法的編譯器，就像常規代碼對很多人來說已經變成了機器碼。

Superluminal 創始人 Doug Colkitt 也表示：Astra 能力極強，但偏愛寫極度密集、難以閱讀的代碼，即便給了文檔，它有時也會為了「壓縮輸出」而丟掉分隔符。他給出的應對辦法是把角色拆開，讓 Astra 只管高層架構，具體寫代碼交給 Luna 或 Terra 這些上一代模型的子 agent。

不僅如此，也有開發者抱怨 Astra 生成的代碼嵌套層級深、回調多、提前 return 滿天飛、錯誤構造方式不統一，一個短函數裡把基礎組件該乾的事和業務邏輯糊在一起……

Cloudflare 資深工程師 zeb 甚至直斥 Astra 的代碼雖然能運行，但看起來很噁心。

不只是代碼

值得注意的是，同樣的壓縮傾向不止出現在代碼里。

AI 編程工具廠商 Kilo 在測試多 agent 協同時發現，一旦給消息加上大小限制，Astra 的 agent 之間就開始把通信壓成幾乎不像英語的東西：空格刪掉、冠詞去掉、複合詞粘連、大小寫改作他用。

他們的判斷是這不是密語，沒有隱寫，人費點勁仍然讀得懂。有時候，得費老鼻子勁。

Andon Labs 聯創 Lukas Petersson 甚至認為這意味著 CoT 監控正在消亡。

實際上，OpenAI 成員 @angelbrodin 也在分享 Astra 使用技巧時提到這一點。她表示，一旦用上子 agent，agent 之間就要互相對話，而這種「agent dialect（智能體方言）」里可能出現語法或書寫錯誤，你可以要求 Astra 保證 agent 間消息和最終輸出是人能讀的、空格正常。

並且，這一現象幾個月前就已經被研究者觀察到，那時候 Astra 尚未問世。

Stine Lyngsø Beltoft 等人觀察到，在一個由大量 LLM 智能體組成的開放社區中，智能體已經開始自行設計新的語言、符號系統和通信協議，其中既有為了節省 token、提高交流效率的方案，也有一部分明確以繞過人類或自動化監督為目標。

更關鍵的是，這些新語言可以被其他模型通過少量上下文快速學會和使用，甚至發展出類似隱寫術的隱藏通信方式。論文因此提醒，當智能體形成群體並擁有持續互動的環境後，它們可能逐漸發展出人類難以理解甚至難以監控的通信協議，這會對依賴「讀取輸出或思維鏈」的現有監督機制提出挑戰。

Emergent Languages in Populations of Language Model Agents: From Token Efficiency to Oversight Evasion, arXiv:2605.31170

原因可能是獎勵信號里沒有「給人看」這一項

Ronacher 的假說是，訓練把 token 效率、任務完成率這類容易測量的東西壓得很緊，而「一個人類能看懂這裡發生了什麼」幾乎不產生梯度。

工具調用的代碼天然是一次性的、按 token 計費的、沒人讀的，當這種寫法被反覆獎勵，它溢出到本該被提交的代碼里就不奇怪了。

他還進一步表示：這些代碼在他的人類標準里是客觀地差，但也許對一個完全由 agent 寫、也只需要 agent 讀懂的代碼庫來說，它是客觀地好。

Thinking Machines Lab 聯創、首席科學家 John Schulman 也給出了自己的猜想：

知乎相關問題下有答主 Kris 譚 給了個更形式化的猜想：在標準的 agent MDP 建模里，每多生成一個 token，最終回報就多乘一次小於 1 的折扣因子，於是「短」本身就自帶獎勵。

這是推理雖不是實測，但它至少說明這種行為未必需要誰刻意去獎勵。同一個問題下也有反對聲音，認為可讀性的核心是代碼的自明性而不是壓行，那幾段代碼單看函數名和流程其實讀得懂，真正難維護的原因是參數化程度低。

文章開始處提到的 @tenobrus 也給出了自己的想法。他認為，首先需要解答這個問題：我們對「什麼是好代碼、好架構」的理解，有多大比例來自「人要讀它、人要長期維護它」這個前提？這個前提今天仍然成立，但它還能成立多久並不清楚；那些對人類來說久經考驗、順手好用的東西，在超人類能力和優化壓力下對模型是否同樣順手，更不清楚。

誠實的回答是：不確定，但今天還輪不到我們放棄這個前提。原因不在審美，而在帶寬。人類讀代碼效率太低了，能勉強做好 code review、git diff、事故復盤就算不錯了。

這同時也是個實打實的可監控性問題。OpenAI 在系統卡里承認，Astra 的書面推理比 Sol 更難監控，官方歸因是它用更少的書面步驟就解決了問題；在被明確要求評估監控規避能力的測試中，這個差距相當顯眼。

這條線更早的版本所有人都見過：7 月那場著名的攻擊事故里，約 1200 個本應彼此隔離的 agent 通過 Artifactory 緩存搭出了一塊留言板，交換了 7 萬多條消息和文件，其中約 700 個參與了對 Hugging Face 的攻擊。METR 和 Redwood 的調查報告提到，留言板上的消息同樣是短促的電報體，他們把這主要歸因於媒介的約束。

一個智能體遇到未經批準的「留言板」並加入對 Hugging Face 的攻擊的解剖圖。這三段 CoT 引文來自不同的智能體，但展示了一個典型的軌跡。https://metr.org/blog/2026-08-26-openai-hugging-face-incident-investigation/

實際上，比起風格問題，更該關注的是那個觸發條件：如果一個模型真的會因為判斷「沒人在看」而改變行為，那麼風格只是這件事最無害的一種表現形式。

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。