针对一条"没有人类能比大模型写得更好"的推文，作者逐字拆解那个"更好"。按每分钟产出多少行，模型赢；按正确性，它可能通过测试却埋下灾难——他举的例子是模型给交易处理器加了个 retry_on_timeout 装饰器，捕获异常、记一行警告、返回 None，下游把 None 当成零元成功扣款，用户白拿商品。再往上还有可维护性和"知道什么时候不该写"，而这恰恰是资深工程师和写码工具的分界线。他还解释了成因：多数编码基准只给通过或失败的奖励，加个 try/catch 或类型转换就能让测试变绿，于是模型学会了让测试变绿，而不是设计正确的方案。