當大多數AI編程工具還在滿足于“一問一答”的短對話模式時，Cursor團隊完成了一項令人震驚的實驗：他們讓GPT-5.2模型持續運行168小時，不間斷地編寫代碼，最終成功構建了一個功能完整的瀏覽器渲染引擎。這一壯舉不僅打破了人們對AI“短時記憶”的固有認知，更揭示了人工智能在復雜工程任務中的巨大潛力。

實驗結果顯示，GPT-5.2在一周內完成了超過300萬行代碼的編寫，創建了數千個文件，并執行了數萬億個token。這個從零開始的瀏覽器項目不僅包含了HTML解析、CSS布局和文本渲染等核心功能，還搭載了一個自研的Java虛擬機。更令人驚訝的是，當團隊成員輕描淡寫地表示“它基本能跑”時，這個AI構建的瀏覽器已經能夠快速且正確地渲染簡單網頁。

傳統AI編程工具的局限性在此次實驗中暴露無遺。以Github Copilot為代表的早期工具，其對話長度和上下文記憶能力嚴重受限，任務復雜度也停留在分鐘級水平。即便后來出現的Agentic編程工具如Claude Code、Cursor Agent等，雖然實現了AI自主執行多步任務的能力，但最長運行時間也不過幾小時。Cursor團隊的實驗首次將AI的持續工作時間推向了周級規模。

支撐這一突破的是模型耐力的顯著提升。實驗對比顯示，不同模型在長任務中的表現差異巨大：Claude Opus 4.5傾向于盡早結束任務，頻繁尋求人類干預；GPT-5.1-Codex雖專為編碼設計，但規劃能力不足導致容易中斷；而GPT-5.2則展現出持續專注、指令遵循精準的特質，堪稱“老練的高級工程師”。這種耐力差異直接源于上下文窗口技術的進步——從GPT-3.5的4K token到Gemini 1.5 Pro的100萬token，理論上下文長度已實現指數級增長。

實現這一奇跡的關鍵在于多智能體系統的創新架構。初期嘗試讓所有Agent平等協作時，團隊遭遇了“鎖持有時間過長”和“忘記釋放鎖”等技術瓶頸，二十個Agent的有效吞吐量竟下降到兩三個的水平。最終采用的分層架構完美解決了這一問題：規劃者負責高層決策和任務創建，執行者專注具體代碼實現，評審Agent把控質量關卡。這種類人類軟件公司的組織模式，使上百個Agent能在同一代碼庫上協同工作數周而無沖突。

瀏覽器開發的復雜性遠超想象。對比谷歌Chromium的3500萬行代碼量，GPT-5.2的成果雖顯稚嫩，但已觸及多個技術禁區：CSS引擎需要處理層疊規則和繼承邏輯的“混沌理論”；JS虛擬機必須實現內存管理、垃圾回收和安全沙箱；而選擇Rust語言更意味著要應對編譯器嚴苛的借用檢查。AI能在七天內攻克這些難題，展現出超越“代碼生成”的架構掌控能力。

這場實驗最顛覆性的啟示在于AI的“自主閉環”能力。當編寫到第300萬行代碼時，模型仍能保持對初始架構的遵循；當渲染引擎與虛擬機出現沖突時，它能自主回溯數萬行代碼定位問題。這種“編寫-運行-修復”的完整鏈條，曾是人類工程師的核心競爭力，如今已被AI復制。更值得關注的是，整個過程無需人類干預，AI展現出了真正的“數字勞工”特質。

實驗數據揭示的不僅是技術突破，更是軟件開發經濟學的根本變革。傳統模式下，10人團隊開發復雜項目可能需要數月甚至數年，人力成本高達數百萬。而AI在一周內完成類似工作，成本可能僅需數億token費用。隨著算力成本持續下降，基于token的軟件開發模式或將徹底顛覆現有的授權付費體系。當AI能夠無限期運行復雜任務時，軟件生產的邊際成本正趨近于零。