Jellyfish 研究：模型升级对工程团队产出的影响有限

Jellyfish AI 与研究负责人 Nicholas Arcolano 基于 447 家公司约 5 万名工程师的数据，分析 AI 编码产出的驱动因素。Cursor 将大量用户切换至 Grok 后，合并 PR 数量几乎未变；拆解显示工具本身影响不足 1%，技能使用约 3%（重度使用者约提升 30%），token 用量约 9%，公司与团队约 12%，其余主要归因于工程师个人。此前的高绩效者在 AI 时代大多仍居前列。其建议是管理者聚焦可掌控的人员、技能与环境。

AI推荐理由 基于约 447 家公司、5 万名工程师的数据，给出 AI 编码产出驱动因素的量化拆解：工具影响不足 1%、技能使用约 3%（重度使用者约提升 30%）、token 用量约 9%、公司与团队约 12%，个体工程师占其余大部分；并以 Cursor 用户迁移至 Grok 后合并 PR 几乎无变化作为自然实验。局限是数据来自单一厂商 Jellyfish 的演讲，未提供方法细节与统计显著性，结论应视为其分析口径下的观察而非普遍定论。