GPT-5.2极限压力测试：168小时连续编程，从零构建300万行代码的AI浏览器

【导读】一个AI大模型持续编写代码的极限在哪里？是一个小时、一天，还是完成单个任务即止？Cursor首席执行官Michael Truell近期进行了一场震撼业界的极限压力测试。

Michael Truell驱动Cursor内置的GPT-5.2模型，实现了整整一周的超长连续运行。

这并非短暂的脚本编写，而是长达168小时、不眠不休的数字化奋战。

最终的战果令人惊叹：

逾300万行代码，数千个源代码文件。

AI竟然从零开始，独立构建出了一个功能完备的全新浏览器。

值得注意的是，这款浏览器并非简单的外壳，而是具备Chromium量级的核心组件。

从底层的HTML解析、复杂的CSS布局引擎，到文本渲染系统，甚至包含一个自研的JavaScript虚拟机，全部由AI自主编写完成。

Michael Truell在社交媒体上淡定地展示了成果：该浏览器已能基本运行，并能快速、准确地渲染简单的网页内容。

探索AI模型的工程耐力极限

以往的AI编程工具，如早期版本的GitHub Copilot，大多遵循一问一答的交互逻辑。

这种模式下，上下文窗口有限，任务处理的深度与复杂度也受到极大制约。

随着Claude Code、Cursor Agent等智能体（Agentic）编程工具的兴起，AI开始具备多步执行、环境感知及自我修复能力。

尽管这已是长足进步，但大多数任务仍停留在小时级别，且需要频繁的人类介入评审。

然而，从未有人尝试让模型在无人工干预下连续高强度工作一周。

直到GPT-5.2的出现打破了僵局。

Cursor团队让GPT-5.2进入了全天候工作模式，这不仅是时间的积累，更是高难度的逻辑连贯性挑战。

在这一周的周期内，它完成了以下壮举：

• 输出超过300万行核心代码
• 搭建了包含数千个文件的复杂工程目录
• 消耗了数万亿级别的token流量
• 独立完成了渲染引擎从零到一的架构与实现

AI的持续工作上限究竟在哪里？

实验证明：在算力与基础设施稳定的前提下，AI几乎拥有无限的续航能力。

它不需要休息，不需要激励，只要目标明确，就能成为7×24小时不停歇的“数字工蜂”。

但这背后更深层的考验在于模型的“长程任务专注度”。

上下文窗口决定了AI的记忆广度，而模型逻辑则决定了其执行精度。

早期的模型受限于4K或128K的窗口，容易在长对话中“迷失”。即使号称拥有百万级上下文的模型，也未必能保持长久的一致性。

Cursor团队在多模型对比中发现了显著的“耐力”差异。

官方实验报告显示：

• GPT-5.2展现了极强的自主性与指令遵循能力，能够长时间锁定目标不偏移；
• Claude Opus 4.5表现出一定的“急躁”，倾向于快速交付并频繁请求人类确认；
• GPT-5.1-Codex虽然编码专业度高，但在处理跨模块的宏观规划时容易出现中断。

通俗来讲：Opus更像一个聪明的实习生，稍有不确定就想交卷请教；

而GPT-5.2则展现出了资深架构师的风范，一旦明确任务，便能深扎到底。因此，Cursor将其定义为处理长时任务的最佳模型。

除浏览器外，Cursor还同步推进了JavaLSP、Windows 7模拟器及Excel克隆等项目，其代码产出量同样惊人，分别达到了55万行至160万行不等。

多智能体协作：构建数字工厂的秘诀

单周输出300万行代码且无人类干预，这并非单体模型的功劳，而是多智能体系统（Multi-Agent System）协作的结晶。

在摸索过程中，Cursor团队解决了Agent之间协作的死锁与通讯冗余问题。他们发现，如果所有Agent平等且杂乱地共享文件，会导致严重的效率衰减。

最终，他们成功构建了一套高效的分层治理架构：

• 规划层（Planners）：负责全局代码审计、任务分配及高层决策；
• 执行层（Workers）：高度专注，快速完成特定模块开发后即进入下一环节；
• 评审层（Agents）：扮演QA角色，负责循环迭代中的代码质量把关。

这种模式完美复刻了顶尖软件公司的开发流程，但不同之处在于，上百个Agent在同一代码库上协同工作数周，却几乎未发生任何代码冲突，这种协作默契远超人类团队。

突破浏览器工程的核心壁垒

手写浏览器内核的难度在软件工程界仅次于开发操作系统。谷歌Chromium拥有超过3500万行代码，被誉为人类工程的巅峰。

GPT-5.2在七天内啃下了多块硬骨头：

其一是复杂的CSS布局逻辑。CSS标准充满了历史遗留的规则与层叠嵌套，实现一个完美的渲染引擎如同在多变的物理法则中构建宇宙。

其二是高性能虚拟机的构建。自主编写支持内存管理与安全沙箱的JS虚拟机，对逻辑严密性的要求极高。

其三是选用了Rust语言。Rust以严苛的借用检查著称。AI不仅要完成功能，还要在数百万行的体量下，通过Rust编译器的“魔鬼审核”。这标志着AI已经具备了顶级的架构掌控力与工程严谨性。

从“任务工具”向“数字劳工”的质变

这次实验最核心的突破在于“无中断长程任务”的实现。这标志着AI从碎片的补全工具，进化为了能够独立负责复杂项目的“数字员工”。

在168小时中，GPT-5.2面对Bug不再是停滞报错，而是通过读取日志、自我调试、重构逻辑，形成了完美的自主闭环。这种“编写-运行-修复”的能力，曾是人类开发者的核心护城河，而今已被AI跨越。

这意味着软件开发的边际成本正趋于零。当我们可以通过消耗廉价的token，在短短几天内完成以往需要数月、耗资百万的人力项目时，整个软件经济学将被彻底改写。

当AI开始在寂静的深夜独自解决复杂的工程难题时，它已不再仅仅是人类手中的工具，而是真正能够并肩前行的数字化伙伴。

结语：代码演进的新纪元

澳洲“放羊大叔”用几行代码让AI不达目的不罢休，而Cursor则将这一理念推向了极致。只要算力充足、任务清晰，AI的运行边界就是无穷。

据推测，该浏览器项目的Token消耗约为30亿个。随着Token成本的持续下降，正如曾经的水电煤一样，算力将变得极其廉价。未来的软件开发，或许不再是人类的一行行敲打，而是人类意图的自动延展与展开。

一个模型能跑多久？只要你的需求还在，它就能永不退场。

参考资料：

https://x.com/mntruell/status/2011562190286045552 

https://x.com/leerob/status/2011565729838166269 

https://cursor.com/cn/blog/scaling-agents