当大多数AI编程工具还在满足于“一问一答”的短对话模式时，Cursor团队完成了一项令人震惊的实验：他们让GPT-5.2模型持续运行168小时，不间断地编写代码，最终成功构建了一个功能完整的浏览器渲染引擎。这一壮举不仅打破了人们对AI“短时记忆”的固有认知，更揭示了人工智能在复杂工程任务中的巨大潜力。
实验结果显示，GPT-5.2在一周内完成了超过300万行代码的编写，创建了数千个文件，并执行了数万亿个token。这个从零开始的浏览器项目不仅包含了HTML解析、CSS布局和文本渲染等核心功能，还搭载了一个自研的Java虚拟机。更令人惊讶的是，当团队成员轻描淡写地表示“它基本能跑”时，这个AI构建的浏览器已经能够快速且正确地渲染简单网页。
传统AI编程工具的局限性在此次实验中暴露无遗。以Github Copilot为代表的早期工具，其对话长度和上下文记忆能力严重受限，任务复杂度也停留在分钟级水平。即便后来出现的Agentic编程工具如Claude Code、Cursor Agent等，虽然实现了AI自主执行多步任务的能力，但最长运行时间也不过几小时。Cursor团队的实验首次将AI的持续工作时间推向了周级规模。
支撑这一突破的是模型耐力的显著提升。实验对比显示，不同模型在长任务中的表现差异巨大：Claude Opus 4.5倾向于尽早结束任务，频繁寻求人类干预；GPT-5.1-Codex虽专为编码设计，但规划能力不足导致容易中断；而GPT-5.2则展现出持续专注、指令遵循精准的特质，堪称“老练的高级工程师”。这种耐力差异直接源于上下文窗口技术的进步——从GPT-3.5的4K token到Gemini 1.5 Pro的100万token，理论上下文长度已实现指数级增长。
实现这一奇迹的关键在于多智能体系统的创新架构。初期尝试让所有Agent平等协作时，团队遭遇了“锁持有时间过长”和“忘记释放锁”等技术瓶颈，二十个Agent的有效吞吐量竟下降到两三个的水平。最终采用的分层架构完美解决了这一问题：规划者负责高层决策和任务创建，执行者专注具体代码实现，评审Agent把控质量关卡。这种类人类软件公司的组织模式，使上百个Agent能在同一代码库上协同工作数周而无冲突。
浏览器开发的复杂性远超想象。对比谷歌Chromium的3500万行代码量，GPT-5.2的成果虽显稚嫩，但已触及多个技术禁区：CSS引擎需要处理层叠规则和继承逻辑的“混沌理论”；JS虚拟机必须实现内存管理、垃圾回收和安全沙箱；而选择Rust语言更意味着要应对编译器严苛的借用检查。AI能在七天内攻克这些难题，展现出超越“代码生成”的架构掌控能力。
这场实验最颠覆性的启示在于AI的“自主闭环”能力。当编写到第300万行代码时，模型仍能保持对初始架构的遵循；当渲染引擎与虚拟机出现冲突时，它能自主回溯数万行代码定位问题。这种“编写-运行-修复”的完整链条，曾是人类工程师的核心竞争力，如今已被AI复制。更值得关注的是，整个过程无需人类干预，AI展现出了真正的“数字劳工”特质。
实验数据揭示的不仅是技术突破，更是软件开发经济学的根本变革。传统模式下，10人团队开发复杂项目可能需要数月甚至数年，人力成本高达数百万。而AI在一周内完成类似工作，成本可能仅需数亿token费用。随着算力成本持续下降，基于token的软件开发模式或将彻底颠覆现有的授权付费体系。当AI能够无限期运行复杂任务时，软件生产的边际成本正趋近于零。
