Akka用65个开源项目实测规格驱动AI移植，57个项目代码或性能提升

Akka 基于 65 个开源项目，对规格驱动的 AI 辅助软件移植工作流进行了实证评估，覆盖规格建模、自动化验证与性能基准测试。首轮测试耗时 99.3 小时，消耗 94.1 亿 token，65 个移植项目中有 57 个在代码规模或运行时性能上取得提升。

实验分两个阶段：先对全部 65 个项目进行分析、生成规格说明并实现每个项目最多 10% 的功能，再从中选出 10 个项目完成完整实现。交付管控工作流循环经历需求发现、规格定义、移植、基准测试和优化等阶段，由 Claude 配合 Akka Specify 负责实现、测试和审查，并通过通用基准测试运行器比较测试结果、代码规模和延迟。

Akka 发现，包含声明、证据和类型化行为的结构化规格说明能显著提升首次实现质量，而上下文文件中缺少跨组件决策信息是主要瓶颈。模型选择上，Sonnet 平均每项移植耗时 61 分钟，Opus 为 120 分钟，但 Opus 的 token 消耗量少约 40%；提高工作量设置会增加消耗，却无法带来持续的效率增益。

验证工作采用原始单元测试和集成测试，并由审核人员检查序列化、安全性、错误处理、个人身份信息、幂等性及架构边界。性能表现因项目而异：应用程序、框架和库普遍提升，基础设施和工具的性能中位数则有所下降。Akka 报告称 Dify 性能提升 143333 倍，但所对比工作负载存在差异，Netflix Metaflow 运行速度则慢了约 100 倍。

研究结果引发工程师讨论。有评论者指出，较小模型会严格遵循规范，较大模型则可能进行即兴调整；也有人提出代码行数减少究竟源于死代码移除还是目标语言差异的疑问。这些讨论引出新的问题：移植效率差异究竟源于模型能力、规格限制，还是两者兼有。