Claude – i@laoer.com

看完Anthropic那份154页威胁情报报告，Claude你还敢用吗？

2026年9月14日人工智能、博客文章Laoer发表留言

这两天我一直在看 Anthropic 9 月 10 日发布的那份 154 页威胁情报报告。里面有很多很容易上新闻的内容：有人用 Claude 做网络攻击、监控系统、武器软件，还有多家中国 AI 公司被 Anthropic 指控通过各种方式蒸馏 Claude。

但我看完以后，最先做的一件事不是研究这些攻击者，而是重新检查了一遍自己 Claude Code 的权限。

我现在日常开发已经大量依赖 AI Coding。Claude Code 对我来说，也早就不是一个偶尔问几句代码的聊天机器人，而是会自己读项目、找文件、跑命令、改代码、做测试的执行工具。为了让它真正自动干活，我也会逐渐减少那些反复弹出来的确认。因为 Agent 每走一步都问一次“可以吗”，自动化就很难真正跑起来。

以前我当然知道 Claude 是云端模型，知道 Prompt 会发送给 Anthropic。但这份报告让我第一次很具体地意识到：当 Claude Code 获得越来越多本地权限以后，我交给它的已经不只是几段代码，而是越来越完整的工作环境；与此同时，Anthropic 也并不是一个只负责“收 Prompt、回答案”的模型供应商，它有能力调查平台上真实发生的用户行为。

这两件事放在一起，我对 Claude 的看法开始变了。

Claude Code并不能随便看你的电脑，但它本来就比聊天框看得多

先把最容易被夸大的地方说清楚。Claude Code 安装以后，并不会自动获得整台电脑的完全访问权。

Anthropic 官方文档明确说明，Claude Code 默认采用严格的只读权限。修改文件、执行可能改变系统的 Bash 命令，需要进一步授权；默认只能写启动目录及其子目录，Read、Grep、Glob 要读取这个边界之外的路径，也会再次询问。Anthropic 甚至把跳过权限检查的参数直接叫作 --dangerously-skip-permissions。

所以，“装了 Claude Code，Anthropic 就能把你硬盘全部看光”，这个说法并不准确。

但从实际使用来看，另一件事也同样真实：Claude Code 的价值，本来就来自它能够主动获取上下文。你问它一个项目为什么启动失败，它会自己找配置、日志和相关代码；你让它修改一个功能，它会在整个 Repository 里查调用关系。过去用聊天机器人，我基本知道自己给模型看了什么，因为内容是我主动复制进去的；现在用 Agent，更需要关心的是，它为了完成任务还会自己去找什么。

而且权限通常会越用越宽。Allow List、Sandbox、Accept Edits 这些设计之所以存在，就是因为如果所有动作都逐次确认，Agent 的效率会明显下降。Anthropic 自己也建议敏感代码使用项目级权限、Dev Container，并定期通过 /permissions 检查授权范围。

我自己的体验很简单：AI Coding 越深入，开发者越容易为了效率把权限开大。不是 Claude 偷偷拿走了权限，而是我们为了让它更有用，会主动交出去。

终端在你的Mac里，真正做判断的Claude却不在

Claude Code 很容易给人一种“本地工具”的错觉。它运行在 Terminal 里，文件读取和 Shell 命令也发生在自己的电脑上，所以直觉上会觉得代码还在本地。

其实只对了一半。

Claude Code 客户端确实运行在本地，但真正理解代码、决定下一步做什么的 Claude 模型仍然在云端。为了完成推理，需要进入模型上下文的信息要发送给 Anthropic。Anthropic 自己的文档也把 Claude Code 的本地运行、数据访问以及云端模型处理分开说明。

当然，这不等于 Claude Code 能访问的每一个文件都会自动上传。“拥有读取权限”和“内容已经进入模型上下文”是两件不同的事。

问题在于，Coding Agent 天然需要大量上下文。

一个真实项目里除了源代码，还有 .env、数据库连接、云服务配置、错误日志、内部 API、测试数据、客户资料，有时候还有开发者为了省事直接写进配置里的 Token 和 Secret。

Anthropic 这次报告里就披露过这类敏感内容。以它对 DeepSeek 的指控为例，Anthropic 声称部分被转发到 Claude 的请求包含一家中国科技公司的内部 AI 项目规格、组织结构和战略目标，以及俄罗斯政府数据库的有效凭据。这里必须强调，这些具体归因目前仍然来自 Anthropic 单方面调查，不能直接当成已经被独立证实的事实。

但对我来说，这已经足够提醒一个更普通的问题：真实开发环境里的敏感信息，本来就和代码混在一起。一旦 Agent 可以理解整个工作环境，隐私边界自然比一个聊天框大得多。

更让我在意的是，Anthropic有能力调查现实中的用户使用行为

如果只是“数据要发到云端”，其实不是什么新鲜事。真正让我重新评估 Claude 的，是这份报告里 Anthropic 展示出来的调查能力。

报告一开始就写得很明确：过去八个月，Anthropic 的 Threat Intelligence 团队识别并中断了多类利用 Claude 的恶意活动，并根据调查结果加强自己的安全机制，在适当情况下还会把情报提供给政府部门和行业伙伴。

后面的案例要具体得多。

Anthropic 称，它在一项持续性的网络间谍调查中，把操作者判断为“可能居住在湖南长沙的中文使用者”，进一步称其中两人是湖南某高校本科生，其中一人曾在深信服实习，并正在面试奇安信的攻防岗位。报告还描述了这些人攻击的大约 50 个组织，以及他们如何维护长期任务、凭据和 Agent 工作流。

到了常规武器部分，Anthropic 甚至非常直接地写道，过去这类活动通常要由政府、联合国专家组或者外部调查人员，通过缴获设备和公开信息慢慢还原；但作为前沿模型提供商，只要检测到违反政策的活动，Anthropic 自己就可以识别这些行为、封禁账户，再把调查信息提供给公共和私营部门伙伴。

我觉得这几段比任何一句“我们重视用户隐私”都更值得认真看。

当然，这不能推导成“Anthropic 员工可以随意查看每一个普通用户的代码”，报告里的身份归因也并非全部经过第三方独立验证。Anthropic 当前的政策也明确表示，被安全保留的内容默认不能由员工直接阅读，只有自动系统标记以后，少量授权人员才能通过受控流程审核，访问还会被记录。

但至少有一点已经很清楚：Anthropic 有能力把请求、账户、行为模式、工具链和长期活动放在一起调查，并在一些案例里进一步关联到现实中的组织和人员。

站在安全公司的角度，这是能力；站在用户角度，它同时也是一种平台权力。

“不拿代码训练”已经不足以让我放心

Anthropic 并没有说所有 Claude Code 数据都会拿去训练，这一点也必须说清楚。

对于 Free、Pro、Max 等个人用户，如果允许 Model Improvement，聊天和 Coding Session 可以被用于改进 Claude，相关数据可能以去标识形式在训练流程中保留最多 5 年。更值得注意的是，如果会话被自动系统标记为违反 Usage Policy，输入输出可以保留最多 2 年，Trust & Safety 的分类分数最长可以保存 7 年。

商业产品则不同。Claude for Work 和 Anthropic API 默认不会使用客户的输入输出训练生成模型；API 标准情况下通常在 30 天内删除输入输出，部分企业客户还可以申请 Zero Data Retention。

所以，简单写成“Claude 会拿你的代码训练”，是不准确的。

但我现在越来越觉得，“会不会训练”只是隐私问题的一部分。

对于一个高权限 Agent，我更在意的是：它能够访问什么，哪些内容会进入模型上下文，平台为了安全能够观察到什么，以及什么情况下这些数据会被保留和调查。

Anthropic 对 Covered Models 的政策其实把这个矛盾说得很清楚。它解释说，某些复杂攻击单看一次 Prompt 根本发现不了，必须跨多个请求观察行为模式。因此部分原本使用 ZDR 的企业环境，在调用指定的高能力模型时，也必须保留 30 天输入输出用于安全分析。

这个理由从安全角度完全讲得通。

但也正因为它讲得通，我才越来越确定：云端 Agent 的安全能力和我追求的隐私，并不总是在同一个方向上。

当替代方案开始够用，我没必要把所有项目都交给Claude

如果是两年前，我可能愿意继续接受这种交换。因为当时 Claude 在 Coding 上的优势很明显，很多任务没有真正好用的替代方案。

现在情况已经开始变化。

DeepSeek 9 月 10 日刚刚发布 V4.1 Flash。官方称它采用 552B 参数的 MoE 和新的非对称架构，输入只激活 8B、输出激活 16B，并表示它在一组 Agent Benchmark 上已经超过上一代 V4 Pro，同时还在推进开放权重生态、开源推理支持和更多部署选择。

过去我一直觉得国产 AI Coding 最大的短板并不完全在模型，而是在 Harness。现在这块也开始补上。

DeepSeek Harness 已经进入开发者预览，并开放源代码，采用 MIT License。模型、工具、Skills、Session、Sandbox、Storage、Loop、Scheduling 都可以插件化组合，而且 Agent 每一次看到的 Prompt、Tool Call、Context Injection，都能记录在可追踪的 Session Log 中。

我并不是说 DeepSeek V4.1 Flash 已经在所有 Coding 任务上超过 Claude，也不是说“开放权重”四个字天然等于隐私。如果最后还是调用云端 API，数据照样会离开自己的机器。

真正改变我选择的是，开放权重至少给了我本地化、私有部署和控制数据路径的可能，开放 Harness 也意味着我不必把 Agent 的权限体系完全绑定在一家闭源厂商手里。

对我来说，这已经够了。

以后普通项目、公开代码、低敏感度任务，我可能还会继续用 Claude 一段时间，但整体上我会逐渐减少 Claude 的使用。特别是相对敏感的项目，公司内部代码、还没有公开的产品、包含真实业务数据的系统，或者任何我不希望进入第三方云端调查体系的内容，我不会再把 Claude Code 作为默认选择。

这并不意味着 Anthropic 做错了什么。恰恰相反，这份报告说明它的安全团队很强，也说明它在认真打击滥用。

只是从用户的角度，我开始意识到：一个平台越有能力理解我在做什么，它就越不可能只是一个“什么都不知道的工具”。

Claude你还敢用吗？

所以这一次，我的答案和以前不太一样。

我不会今天就把 Claude 卸载掉，但会慢慢把它从“默认工具”降成“按场景使用的工具”。普通任务继续用，敏感项目退出 Claude。随着 DeepSeek V4.1 Flash 这样的开放权重模型越来越能打，DeepSeek Harness 这样的开放工具也开始补上 Agent 能力，我已经没有以前那么强的理由，把最敏感的开发上下文继续交给一个云端闭源 Agent。

过去我愿意用更多数据和权限，换 Claude Code 的效率。

现在这笔交换对我来说，已经没有那么划算了。

所以，可能真的是时候慢慢和 Claude 说 bye bye 了。

Claude开始给文字加“隐形水印”，它写的代码也有吗？

2026年8月17日人工智能、博客文章Laoer发表留言

这两天，Anthropic公布了一项很容易被忽略、但可能影响所有Claude用户的变化：Claude开始引入文本数字水印。更准确地说，Anthropic在8月14日宣布，未来Claude模型生成的文本将带有水印，旧模型则会在未来几个月逐步加入。直接原因是欧盟《AI Act》第50条已经从8月2日起适用，要求生成式AI提供商为AI生成或修改的内容加入机器可读标记；Anthropic决定在推出时全球应用。

看到“数字水印”，很多人的第一反应，大概是Claude会不会偷偷往文字里塞一些看不见的字符。但对我来说，更有意思的是另一个问题：Claude生成的代码也有水印吗？现在大量开发者已经把Claude Code直接放进真实的软件开发流程。如果代码也带着Claude的“指纹”，会不会影响代码质量，提交到GitHub以后，别人又能不能反查出是谁生成的？

答案是：Claude生成的代码也处在这套水印机制之下，但代码里的水印通常比自然语言少得多。理解为什么，其实也就理解了SynthID-Text到底是什么。

一、Claude的水印，不在文字里，而在“为什么选这个词”里

Anthropic没有重新发明一套水印，而是明确采用Google DeepMind在2024年发表的SynthID-Text方法的一个版本。它不会在文本里插入零宽字符，不增加额外Token，也不是等Claude写完以后，再在里面附上一串隐藏编号；水印发生在模型生成文字的过程里。

大语言模型写一句话，本质上是在不停预测下一个Token。比如Claude已经写出“今天的天空有些……”，后面接“阴沉”“灰暗”“多云”可能都说得通。正常生成时，模型会按照这些Token的概率进行采样；SynthID-Text做的事情，是在几个答案都合理的时候，改变这种随机选择的来源。Anthropic用了一个很形象的比喻：平时玩棋盘游戏靠掷骰子决定走几步，加入水印以后，不再真的掷骰子，而是从圆周率的小数位里依次取数字。对玩家来说仍然像随机数，不影响游戏，但如果事后拿到足够长的一串结果，又知道这套规则，就可能判断这局游戏是不是用了圆周率。Claude的文本也是一样，单独看一个词没有意义，但大量选择积累在一起，就可能形成只有掌握密钥才能检测的统计规律。

这套方法最巧妙的地方，是尽量不改变用户看到的结果。Google DeepMind曾在真实Gemini流量中比较约2000万条带水印和不带水印的回复，点赞率只差0.01%，点踩率差0.02%，差异都没有统计显著性。至少从这项大规模实验看，用户基本感受不到背后的那颗“骰子”被换了。

二、Claude写的代码也有水印，但代码恰恰最难留下水印

这是Anthropic在官方说明中专门回答的问题。SynthID-Text能够工作的前提，是Claude拥有“怎么选都差不多”的空间；如果只有一个明显正确的答案，水印不能为了留下痕迹而故意把答案改掉。比如“2+2=”后面正常答案就是4，代码更是如此：if不能为了留下水印换成不存在的关键字，固定API名称不能随便改，函数参数或者协议字段也不能因为水印而破坏程序。Anthropic明确表示，当替换Token会造成事实错误或者让代码出错时，水印不会施加这种影响。

所以Claude生成的代码不是完全没有水印，而是通常比文章、邮件、故事这些自然语言包含更少的水印信号。真正有发挥空间的地方，例如代码注释，或者某些有多个同样合理表达方式的位置，仍然可能留下水印；但Anthropic认为这种机制对实际生成代码的影响可以忽略。这其实揭示了SynthID-Text最重要的特点：它不是为了加水印而改变内容，而是在Claude本来就有多个合理选择的时候，顺便利用这些选择留下统计信号，没有选择就不强行留下。

从这个角度再看不同场景就很好理解了。写长文章时，每句话都有大量可以换一种说法的地方，水印容易累积；Claude翻译文章时，输出仍由Claude重新选择，因此Anthropic明确说翻译文本也会带水印；但如果只让它改几个错别字和标点，大部分文字并不是Claude重新生成的，最后可能少到无法可靠检测。事实性回答和代码也是同样的道理：越接近“只能这么写”，水印留下的空间就越小。

对于Claude Code用户，这个结论其实很重要：即使一段代码完全由Claude生成，也不意味着它一定能像一篇长文章那样被稳定识别出来。

三、有水印，也不等于能证明“这是Claude写的”

SynthID-Text和传统AI检测器还有一个根本区别。很多AI检测工具是在文章生成以后，根据句式、词频和语言习惯去猜“像不像AI写的”；SynthID-Text则是模型在生成时主动留下一个只有相应密钥才能验证的统计信号。

但主动留下信号，也不代表它能给一篇文章或者一段代码盖上“Claude原创”的章。Anthropic明确表示，水印最多只能帮助判断Claude是否可能参与过内容生成，不能区分“Claude从头写”和“人写完后让Claude大幅改写”。它也不包含用户、组织或具体聊天的信息，不能通过水印反查是谁生成的，更不能还原Prompt，也不会改变内容所有权。

水印同样不是不可破坏的。轻度编辑通常不会完全消除它，但如果整篇文字彻底重写，水印会消失；Google DeepMind也一直强调，SynthID不是识别AI内容的万能方案。对代码来说，这个限制更加明显：代码本来就比文章更缺少自由选择，再经过开发者重构、格式化、替换实现以及与其他代码合并之后，想单凭水印准确回答“这段代码是不是Claude Code写的”，会更加困难。

四、真正改变的，不是我们怎么用Claude，而是内容离开Claude之后会发生什么

从普通用户的角度，这次变化几乎是无感的。Anthropic表示，水印不会增加Token，价格不变，对生成速度的影响也可以忽略；Claude Code用户没有必要为了水印改变开发流程，更不用担心Claude为了“留指纹”故意生成另一套更差的代码。

真正值得关注的，是这些内容离开Claude之后。欧盟《AI Act》已经要求生成式AI提供商加入机器可读标记，Anthropic也表示将提供自己的水印检测API。未来学校、媒体、企业或者内容平台，至少从技术上多了一种不同于传统AI Detector的判断方式：不是根据语言风格去猜，而是检查模型在生成时主动留下的信号。

但这里仍然有一道重要边界。检测到Claude参与，不等于证明一篇文章没有人的原创思考；检测到一段代码里存在Claude水印，也不能证明整个软件都是AI写的。一个人自己确定观点、结构和事实，只让Claude润色，与让Claude从头生成文章，在创作责任上显然不是一回事，但水印无法替我们完成这种判断。

过去几年，我们一直在讨论AI能生成什么：文章、图片、视频、代码，越来越像人，也越来越难单纯从结果上区分。现在行业开始补另一层基础设施——这些内容从哪里来，AI到底有没有参与。SynthID-Text远远谈不上解决AI内容识别问题，尤其对代码这种高度受约束的内容更是如此，但Claude开始采用它，还是意味着一个值得关注的变化：AI生成内容开始拥有一种以前纯文本并不具备的“来源信号”。

所以，Claude写的代码有数字水印吗？更准确的答案是：有留下水印的机制，但很多代码能够承载的水印很少，远没有一篇长文章那么容易检测。对于开发者来说，它今天几乎不会改变写代码这件事；但对整个互联网来说，“这段内容有没有AI参与”，正在慢慢从根据文风和感觉的猜测，变成一个可以由生成模型自己提供线索的技术问题。

Kimi、GLM和Claude的差距，为什么每个人感受完全不同？

2026年8月3日人工智能、博客文章Laoer发表留言

上一篇文章《这次真不慌了，Claude随时可以取消订阅》发出来以后，评论区里有不少读者反馈，在他们的实际使用中，Kimi、GLM、Qwen等国产模型，与Claude相比仍然存在明显差距，有些任务国产模型来回修改几次都做不好，换成Claude之后却很快就能完成。

这些反馈当然不能简单理解为不会使用AI，其中可能有很多同样从事软件开发的人。后来我想了一下，大家的感受之所以如此不同，可能并不是谁高估或者低估了某个模型，而是我们虽然都在谈AI Coding，实际交给AI完成的却不是同一种工作。

模型之间的能力差距真实存在，但不会平均地出现在所有任务中。任务越模糊、链条越长、需要模型自己做决定的地方越多，Claude等旗舰模型的优势越容易被感受到；任务越清晰、拆解越充分、人工控制越强，Kimi、GLM等模型与Claude之间的实际差距就越容易缩小。

同样叫AI Coding，实际可能是完全不同的工作

现在只要使用自然语言让AI修改代码，大家都会把它称为AI Coding，但这里面包含的工作跨度非常大。

最简单的一类，是在现有项目里增加字段、修改页面或补充接口，需求、架构和实现方式都比较清楚，AI主要负责执行。另一类则是让AI进入陌生代码库，自己寻找模块、判断问题并设计修改方案。

再往前一步，有些人给AI的甚至不是一项开发任务，而只是一个产品想法。技术选型、系统架构、数据库设计、模块拆分、测试和部署，全部需要模型与编程Agent自行完成。表面上都是“让AI做一个功能”，背后需要的能力却完全不同。

真正拉开差距的，往往不是一段代码能不能写出来，而是模型能不能在信息不完整时作出正确判断，能不能理解很多文件之间的关系，能不能在执行很久以后仍然记得最初目标，以及第一次方案失败后，能不能找到真正原因，而不是继续在错误方向上打补丁。

Anthropic对Claude Opus 4.6的介绍，重点就放在更谨慎的规划、更长时间的Agent任务、大型代码库以及代码审查和调试能力上；Claude Code本身也不只是聊天窗口，而是一套能够读取代码库、编辑文件和运行命令的完整编程Agent。它的优势不只是代码写得更漂亮，而是在复杂任务中更少走错方向。

模型真正昂贵的能力，是替人做决定

假如需求已经明确，数据结构和接口都设计完成，测试条件也写清楚，那么模型面对的是一道有标准答案的执行题。但如果用户只说“帮我增加一个会员系统”，模型就要自己判断会员分几级、权益如何配置、权限在哪里控制、数据表怎样设计，以及修改失败后如何回滚。后一个任务未必多写多少代码，却包含了更多需要判断的地方。

Claude等旗舰模型的价值，往往就体现在这些判断中。一次正确的架构选择或根因定位，可以省掉很多返工。对于需要AI长时间自主工作，或者无法逐步检查结果的人来说，这种差距会直接转化为成功率和最终质量。

Kimi和GLM也在向这个方向进步。Kimi K3已经把长程编程、百万Token上下文和Agent工作作为主要能力，GLM-5.2同样把长时间任务作为升级重点。国产模型也在努力承担更多原本需要人完成的规划与执行。

但从“能够完成不少编程任务”，到“能够在复杂项目中持续作出正确决定”，中间仍然有距离。也正是在这段距离上，不同人的感受开始分化。

我的开发经验，只是减少了模型需要做的决定

从我自己的使用情况来说，大多数时候确实用不到最强的模型。原因并不是我认为Kimi、GLM已经在所有能力上与Claude相同，而是很多最考验模型的工作，在调用AI之前已经由我完成了。

做一个系统时，我通常会先确定需求是否合理，选择技术方案，划分模块和接口，设计数据结构，再把工作拆成可以独立完成和验证的小任务。交给AI的往往不是“帮我做一个系统”，而是“按照现有架构完成这个模块，并通过这些测试”。

当任务被拆到这个程度，模型需要猜测的内容已经很少。它更像一个执行者，只需要理解局部上下文、遵守已有规则并产出代码。只要模型跨过了基本能力门槛，更强模型增加的推理和规划能力，就不一定能够同比转化成效率提升。有时我真正关心的反而是速度、价格、额度和是否可以随时切换。

这并不意味着开发经验越深，就越感觉不到差距。另一些资深开发者经常处理遗留系统、复杂重构或陌生技术栈，对代码质量要求也更高，自然更容易发现模型之间的差别。

所以，开发经验真正改变的是人与AI如何分工。有的人用经验提前消化了复杂性，让AI在一条比较清楚的轨道上执行；有的人则希望AI进入未知环境，自行寻找道路。即使同样是专业开发者，这两种工作方式也会带来完全不同的评价。

我们使用的不是模型，而是一整套系统

用户实际感受到的“Claude”“Kimi”或“GLM”，通常并不是单独一个模型，而是模型、Agent、上下文管理、工具调用、项目规范以及用户自身能力共同组成的结果。

同一个模型放进不同的编程Agent里，表现可能完全不同。Agent怎样搜索代码、什么时候压缩上下文、如何运行测试、失败后是否回退、能否记住此前决定，都会影响最后结果。2026年的一项Agent Harness研究，在不更换基础模型的情况下，通过改进工具、中间件和长期记忆，把Terminal-Bench 2的通过率从69.7%提高到77.0%；另一项研究也发现，不同Harness会让同一模型每完成一个任务的Token成本相差数十倍。

这说明我们经常把一整套系统的体验，归因到模型名字上。有人说Claude更强，比较的可能是Claude模型加Claude Code的完整能力；有人说国产模型已经够用，背后可能是成熟的项目规范、清楚的任务拆解和持续的人工检查。

模型比较当然有意义，但进入真实工作后，更合理的比较单位是模型与Agent的组合，以及它在具体约束下能够交付什么结果。

国产AI Coding真正要解决的，是降低对使用者经验的依赖

从开发者角度看，未来未必需要为所有任务都使用最强模型。明确、可验证、执行性强的工作，可以优先考虑速度和成本；模糊、复杂、跨模块和长时间任务，则更值得使用能力更强的旗舰模型。同一个项目里，让不同模型承担不同层级的任务，可能比选择一个“永远最好”的模型更符合实际。

但对国产AI Coding产品来说，仅仅让有经验的开发者觉得“已经够用”，还不是终点。更大的市场来自那些没有能力提前设计架构、拆解任务和检查代码的人。对他们来说，真正需要的不是一个更会写代码的聊天机器人，而是一个能够主动澄清需求、发现矛盾、制定计划、运行测试并在失败后纠正自己的完整Agent。

国产模型与Claude之间真正需要缩小的，也不只是排行榜上的几分，而是结果对使用者经验的依赖程度。即使用户没有把任务描述得非常准确，没有事先搭好架构，也不知道怎样判断生成的代码是否可靠，Agent仍然能够把项目带到一个基本正确的方向，这才是真正降低软件开发门槛。

所以，Kimi、GLM和Claude的差距确实存在，但它不是一个固定数字，更不会在每个人的工作里以同样方式出现。有人测试的是代码执行能力，有人测试的是架构和规划，有人测试的是长时间自主工作，还有人比较的是包含Agent和工作流在内的完整产品。

大家得出不同结论，不一定是谁判断错了，而是他们测试的能力不同。模型是否够用，从来不只是模型单方面的问题，它取决于任务需要模型做多少决定，也取决于人和Agent已经替它解决了多少问题。

Claude Opus 5发布，但为什么Anthropic越来越招人厌了

2026年7月26日人工智能、博客文章Laoer发表留言

Anthropic发布了Claude Opus 5。从模型本身看，这仍然是一款很有竞争力的产品。Claude在复杂编程、长任务和Agent执行上的表现，一直是它最重要的优势，即使现在模型之间的差距正在缩小，Claude仍然是很多开发者最愿意使用的模型之一。

但一个越来越明显的现象是，Claude越做越强，Anthropic却越来越招人厌。

过去一段时间，围绕Anthropic的负面反馈并不少。它限制Claude订阅在部分第三方工具中的使用，把开发者重新引导回官方产品和API计费；用户账号可能因为风控被突然停用，申诉过程漫长，很难找到真正能够解决问题的人。额度、价格和规则调整当然也会引起抱怨，但这些都不是问题的核心。真正让人反感的，是这些事情背后表现出的共同态度：Anthropic习惯站在制定规则的一方，认为自己更了解技术、更理解风险，也更有资格决定用户和开发者应该怎样使用Claude。

如果Anthropic只是一家普通的互联网平台，这种傲慢并不新鲜。平台需要增长时欢迎生态，掌握用户之后控制入口；自动风控追求效率，误伤的用户自己申诉；公司拥有最终解释权，外部只能接受规则。但Anthropic与普通互联网公司不同的地方在于，它不只相信自己的产品更好，还相信自己所做的一切，代表着安全、理性和人类的长期利益。

这才是Anthropic最危险的地方。

一

Anthropic创始人Dario Amodei并不是一个完全没有反思能力的技术公司CEO。相反，他比很多同行更愿意公开讨论AI可能带来的失业、战争、生物风险、权力集中和社会失控，也多次承认，掌握前沿模型的AI公司本身就可能成为危险的权力来源。Anthropic在一些军事和监控用途上坚持限制，也说明它对AI安全的关注并不完全是商业包装。

所以，把Anthropic描述成一家只会用安全掩盖商业利益的公司，并不公平。问题恰恰在于，它很可能真诚地相信自己的使命，也正因为这种真诚，它才更容易把自身的判断视为正确。

Dario在近期的公开文章中提到，最接近技术的人有责任告诉社会，人类正在面对什么样的风险，并说服政策制定者、企业和公众认识到问题的紧迫性。这种判断并非没有道理。前沿实验室每天接触最强的模型，掌握大量尚未公开的测试结果，它们确实可能比外界更早看到能力变化和潜在风险。

但这套说法同时建立了一种知识上的等级：最接近技术的人更接近真相，其他人则需要被告知、教育和说服。而Anthropic恰好把自己放在了最接近技术，也最认真对待风险的位置上。

从“我们知道得更多”，走到“我们应该拥有更大的决定权”，中间其实没有多远。尤其是当Anthropic既掌握最先进的模型，又参与市场竞争，还试图影响监管和行业规则时，它对风险的判断就不再只是技术意见，也会成为决定谁能进入市场、模型如何开放，以及开发者可以怎样使用Claude的现实权力。

Anthropic未必认为自己永远不会犯错，但它越来越容易相信，自己比其他人更有资格定义什么是错误。

二

Dario当然也看到了这种权力的危险。他曾经提出，先进AI不能完全交给少数公司决定，政府、公众和制度都应该参与监督，AI公司也需要比普通企业更严格的治理和权力制衡。

这与“Anthropic从来没有考虑过自己可能错”明显不符。至少在理论上，Dario承认AI公司可能滥用权力，也承认少数技术人员不应该独自决定人类未来。

但更值得注意的是，他给出的解决方案经常又回到同一个结论：为了让负责任的声音能够影响行业，Anthropic必须留在技术最前沿，必须拥有足够的资本、算力、用户和政策影响力；如果Anthropic技术落后、市场份额太小，它再正确的安全主张也没有人会听。

这套逻辑并不是毫无道理。一家没有产品、没有用户，也没有能力训练前沿模型的安全研究机构，确实很难真正影响行业。只有进入竞争中心，才有机会理解最前沿的风险，也才有能力约束其他公司。

但它同时形成了一个无法轻易打破的闭环：Anthropic需要更多资本，是为了留在前沿；需要更多算力，是为了研究风险；需要更大的市场，是为了影响行业；需要掌握产品入口和模型权限，是为了确保AI被负责任地使用。

于是，Anthropic的成功是为了安全，Anthropic的扩张是为了安全，Anthropic获得更多权力，同样可以被解释为安全的必要条件。

它担心AI公司拥有过大的权力，却始终倾向于相信，Anthropic是最适合掌握这份权力的公司。它并不是看不见权力的风险，而是认为解决这种风险的办法，是让一个更负责任的Anthropic变得足够强大。

这才是Anthropic自我正确性的真正来源。它不需要公开宣称“我们永远正确”，因为整套组织逻辑已经在不断得出同一个答案：世界确实需要监督最强大的AI公司，但在所有可能掌握先进AI的机构中，Anthropic仍然是那个最值得信任的选择。

三

Anthropic与有效利他主义、长期主义和AI生存风险思想之间的关系，也应该放在这个层面理解。

有效利他主义最初希望通过证据和理性，让有限资源帮助更多的人，减少本来可以避免的苦难。无论是否认同它后来的发展方向，这个出发点本身并没有什么问题。Anthropic今天的客服、封号和第三方工具政策，也不能简单归咎于某种哲学，它们同样受到商业利益、计算成本、合规要求和组织能力的影响。

真正对Anthropic产生深刻影响的，是长期主义和AI生存风险带来的使命叙事。按照这套思路，足够强大的AI可能决定人类未来，甚至决定未来是否还有人类。因此，降低先进AI的长期风险，可能比眼前某些具体利益更加重要。

一旦一家公司接受了这种价值排序，很多现实中的损失就容易被看成可以承受的局部代价。用户遇到误封，第三方开发者被迫迁移，开放权重模型受到限制，普通人失去一部分选择权，这些问题与“防止先进AI威胁整个人类未来”相比，自然显得没有那么重要。

更麻烦的是，高尚的目标很容易让组织忽视决策过程中的权力问题。因为Anthropic相信自己是在维护长期利益，所以它更容易认为，外界的反对来自信息不足、只关注眼前利益，或者没有真正理解AI能力快速增长的风险。

用户在讨论一项政策是否公平，Anthropic可能在讨论它是否降低了系统性风险；开发者关心自己的工具能否继续使用，Anthropic考虑的可能是模型能力是否会通过不受控制的渠道扩散。双方并不只是在争论同一个问题的不同答案，而是在使用完全不同的价值尺度。

当一家公司的所有决定，都可以放进人类长期利益这样一个宏大的框架中，它就很难再承认，某个具体决定也可能只是商业选择，甚至可能是错误。

四

这种自我正确性在Anthropic对开放权重模型的态度上表现得尤其明显。

Dario在近期访谈中表达过一个非常清楚的判断：用户最终最关心的是哪个模型最聪明、最能完成任务，价格和模型以什么形式提供，并没有很多人想象得那么重要。

从普通用户的角度看，这个判断有一定道理。如果一个模型明显比其他模型更强，能够一次完成别人反复尝试都做不好的任务，用户当然愿意为能力付费，也不会仅仅因为另一个模型更加开放就放弃更好的结果。

但对于开发者和企业来说，模型早已不是一次性使用的聊天产品，而是长期工作流中的基础设施。他们关心的不只是模型今天是否聪明，还包括接口明天是否稳定，第三方工具能不能持续接入，数据和部署由谁控制，账号出现问题后有没有替代方案，以及整套业务是否必须服从一家公司的单方面规则。

开源或者开放权重模型提供的价值，也不只是价格低。它真正提供的是控制权：企业可以自己部署，开发者可以按照自己的需求构建工具，用户不必担心平台突然调整认证方式或者改变使用边界，整个生态也不需要完全依赖某一家公司的善意。

Anthropic似乎相信，只要Claude继续保持最强，用户就会接受它对产品入口、模型权限和生态规则的控制。但这可能正是它最大的战略盲点。

当模型之间存在巨大能力差距时，用户确实会忍受很多问题。但当GPT、Gemini以及开放权重模型逐渐追上，达到Claude八九成甚至更高的能力时，决定用户选择的就不再只是一次任务的效果，而是谁更稳定、谁更开放、谁更尊重开发者，以及谁允许用户真正掌握自己的工作流。

技术领先可以暂时掩盖一家公司的傲慢，却无法永久消除用户对控制权的需求。

五

Anthropic今天仍然能够保持这种自信，是因为Claude确实足够强。

过去很长一段时间，Claude在复杂编程、长上下文和Agent任务上拥有明显优势。即使用户不喜欢Anthropic的某些政策，还是会继续订阅；即使开发者反感第三方工具受到限制，也仍然希望自己的产品能够调用Claude。技术领先给了Anthropic足够的底气，也可能让它把用户的忍耐误认为了认可。

但用户没有离开，并不等于用户信任Anthropic，只能说明替代品还没有完全成熟。

现在越来越多开发者同时使用Claude、GPT、Gemini和其他模型，并不是因为大家喜欢在不同工具之间反复切换，而是在主动降低对单一公司的依赖。简单任务先迁移出去，新项目尝试其他Agent，关键工作流准备备用方案。用户表面上仍然在使用Claude，实际上已经开始为Claude不再不可替代的那一天做准备。

用户信任的消耗，通常不会立刻反映在订阅数字上。很多人不会因为一次封号争议或者一项工具限制马上离开，而是逐渐减少投入，不再把新的项目和工作习惯绑定在Claude上。当替代方案成熟时，这种迁移可能会突然发生，看起来像用户一夜之间抛弃了某个平台，实际上所有决定早已在过去一次次失望中完成。

Anthropic真正需要担心的，不是用户今天有没有取消订阅，而是用户是否还愿意继续把未来交给它。

六

Opus 5的发布再次证明，Anthropic仍然拥有世界上最优秀的模型研发团队，也依然有能力在激烈的竞争中保持领先。但Anthropic最大的风险，已经不是有一天Claude在排行榜上被超过，而是它建立了一套能够不断证明自身成功、扩张和权力合理的逻辑。

Dario不是看不到AI公司权力集中的风险，也不是完全拒绝外部监督。问题在于，他的反思最终仍然经常回到同一个答案：为了约束先进AI，Anthropic必须继续留在最前沿；为了制衡其他可能更不负责任的公司，Anthropic必须拥有足够大的影响力。

这不是简单的虚伪，也未必是刻意的傲慢。恰恰因为Anthropic真诚地相信自己的使命，它才更容易忽略一个最基本的问题：动机正确，不等于每一个决定都正确；掌握更多技术信息，也不等于拥有替所有人决定的权力。

真正危险的自我正确，不是公开宣称自己永远不会犯错，而是建立了一套内部自洽的逻辑，让自己的每一次扩张、每一项限制和每一种权力，都可以被解释成更大目标的必要条件。

Anthropic一直担心强大的AI会形成一个目标高度自洽、拒绝人类纠正的系统。但它自己同样需要警惕，不能成为一家使命高度自洽，却越来越难以接受外部纠正的公司。

技术领先的时候，用户可能会忍受一家公司的强势，甚至把很多不满暂时放到一边。但模型的领先从来不会永久存在。当其他闭源模型，特别是开放权重模型追上甚至超过Claude时，用户不会继续与Anthropic争论，也不会等待它完成自我反思，只会直接离开。

市场抛弃一家技术落后的公司，也许还会给它重新追赶的机会；市场抛弃一家始终相信自己最适合掌握权力的公司，往往会更加迅速，也更加无情。

这次真不慌了，Claude随时可以取消订阅

2026年7月21日人工智能、博客文章Laoer2条留言

过去一年，Claude大概是AI Coding领域存在感最强的名字之一。

Claude 3.7之后，Claude 4、Claude 4.5再到后续模型，Anthropic几乎一直占据着编程模型第一梯队的位置。Claude Code的出现，又进一步放大了Claude模型在真实软件开发中的优势。从最初在Terminal里写代码，到后来增加Plan、Sub-agent、Skills、Hooks等能力，Claude Code逐渐从一个命令行工具变成完整的Coding Agent。

Codex也是类似的路径。随着GPT模型能力不断提高，OpenAI也开始把重点从“模型会不会写代码”，转向如何让模型独立完成一个完整的软件开发任务。

这两个产品很快成为AI编程领域的标杆，也让很多开发者开始产生一种过去很少有过的依赖。

这种依赖不是因为品牌忠诚，而是生产力。

在Reddit、X、GitHub以及各种开发者社区里，经常可以看到类似讨论：Claude Code很好用，但是账号、地区、额度和订阅政策的不确定性让人担心；Codex能力很强，但同样存在额度和平台依赖的问题。尤其对已经把Coding Agent融入日常开发流程的人来说，一旦习惯让Agent直接阅读整个项目、修改多个文件、运行测试、查找错误再继续修复，很难再退回以前复制代码到聊天窗口里问AI的方式。

所以过去大家担心Claude账号出问题，本质上并不是少了一个聊天机器人，而是暂时找不到同样好用的替代品。

但最近半年，这件事情正在发生变化。

国产模型终于跨过了“能不能用”的门槛

以前讨论国产模型和Claude、GPT的编程能力，最大的问题其实不是Benchmark差了多少分，而是落到真实项目里以后，体验差距往往比Benchmark看起来更大。

简单写一个函数、解释一段代码，大多数模型都可以完成。但进入一个几十万行代码的真实项目，让模型自己搜索文件、理解依赖、连续修改代码、执行命令、处理编译错误，再根据结果反复修正，差距就很容易暴露出来。

这也是为什么很长一段时间里，即使国产模型便宜很多，真正重度使用AI Coding的人还是会优先选择Claude或者GPT。生产力工具最重要的毕竟还是生产力，如果一个任务Claude Code一次能够完成，换一个工具需要人工来回纠正很多次，价格便宜的意义就没有那么大。

现在这种情况开始改变了。

GLM-5.2、Kimi K3陆续发布，Qwen3.8也开始进入市场，DeepSeek V4正式版同样值得期待。和一年以前相比，这一代国产模型已经明显不再停留在“会生成代码”的阶段，而是在长上下文、工具调用、Agentic Coding和长时间任务执行上快速进步。

最重要的变化并不是某个Benchmark超过Claude两分或者落后GPT三分，而是这些模型已经越来越能够真正参与软件开发。

过去国产模型和前沿闭源模型之间，很多时候是“能不能做”的差距。现在越来越变成“谁做得更好”的差距。

这两者其实完全不同。

只要进入“可以完成”的区间，替代关系就会开始发生变化。一个开发任务不一定非要Claude才能完成，可以使用GLM，也可以换Kimi、Qwen或者DeepSeek。模型之间的能力仍然有高低，但已经不像过去那样存在明显断层。

更重要的是，这些模型还在逐渐和具体的编程工具解耦。

一个模型可以接入不同的CLI、IDE和Agent Framework，一个Coding Agent也可以支持多个模型。模型开始越来越像AI Coding系统里的“发动机”，而不是整个产品本身。

一旦发动机可以替换，过去那种“Claude不能用，工作流就断掉”的焦虑自然会下降很多。

Claude Code真正领先的，已经不只是Claude

不过，如果只看到国产模型能力快速提高，就认为Claude Code和Codex很快没有优势了，也并不准确。

目前AI Coding真正明显的差距，已经越来越从Model转移到了Agent。

同样一个Claude或者GPT模型，放在普通聊天窗口里使用，和放进Claude Code、Codex这样的Coding Agent里，最终完成复杂开发任务的能力可以有很大区别。

原因在于，现在真正的AI编程已经不是简单的：

用户提出需求，模型生成代码。

真实的软件开发通常是一个很长的过程。Agent首先要理解项目结构，然后搜索相关代码，找到需要修改的位置，理解调用关系，制定方案，修改多个文件，运行编译或者测试，读取错误信息，再继续定位问题和修改。如果是一个复杂任务，中间还可能使用Git、浏览器、数据库、MCP工具，甚至启动多个Sub-agent分别处理不同工作。

模型当然是整个过程最重要的核心之一，但仅有模型并不能完成这一切。

把模型、工具、上下文和执行环境组织起来的这一层，就是现在越来越重要的Harness。

而让Agent不断执行“观察、思考、行动、获得反馈、继续行动”，直到任务真正完成，则是Loop Engineering。

这也是Claude Code和Codex现在真正领先的地方。

一个优秀的Coding Agent需要解决很多模型之外的问题。例如，一个大型项目不可能把所有代码一次性塞进Context，Agent必须知道什么时候搜索文件，什么时候读取源码，哪些内容值得长期保留，哪些内容应该在Context接近上限时压缩掉。

工具调用也是一样。什么时候应该使用grep，什么时候应该直接打开文件，什么时候运行完整测试，什么时候只运行局部测试，一个命令失败以后应该继续尝试还是改变方案，这些都属于Agent系统本身的能力。

还有一个非常关键的问题，是验证。

真正好用的Coding Agent不能只会写代码，还必须知道自己有没有写对。修改完成以后主动Build、Lint、Test，运行程序查看结果，发现问题以后重新修改，再次验证。这个不断反馈的循环，才让AI从代码生成器变成能够独立完成任务的Agent。

所以在很多开发者的实际评价中，经常会出现一种现象：两个模型在Benchmark上的差距并不大，但放进不同的Coding Agent以后，使用体验却可能差一个档次。

原因就在这里。

大家最终使用的从来不是一个裸模型，而是一整个系统。

国产AI Coding现在最大的短板，已经变成工具

这其实是一个很值得注意的变化。

过去国产AI Coding的问题首先是模型不够强，工具即使做得不错，上限也会受到限制。现在模型这一块正在迅速补齐，剩下更明显的差距开始集中到Harness和Loop Engineering。

目前国内已经出现了不少比较完整的AI编程产品，包括CodeBuddy、Qoder、TRAE，以及GLM、Kimi、Qwen等模型相关的CLI工具。和早期AI编程工具主要围绕代码补全、IDE聊天不同，这些产品现在也明显开始转向Agent。

它们已经可以阅读整个代码库、修改多个文件、调用Terminal、执行命令，并开始加入Plan、Sub-agent、MCP等能力。从产品方向来看，国内厂商和Claude Code、Codex已经没有本质上的路线分歧，大家做的都是同一件事情：让AI从“帮程序员写代码”，变成“直接帮程序员完成开发任务”。

真正的差距更多体现在工程成熟度上。

比如一个Agent执行一个复杂任务两个小时以后，还能不能保持最初的目标；Context越来越长以后，能不能正确保留关键的信息；中间执行失败以后，是不是能够主动换一种思路；面对一个大任务时，能不能合理拆分成多个小任务；多个Sub-agent之间怎么共享信息；代码修改完成以后，是否能够形成稳定的验证闭环。

这些事情单独看起来都不是什么特别惊人的功能，但最终决定Coding Agent是否好用的，恰恰就是这些细节。

Claude Code和Codex的优势，是它们已经通过大量真实用户和真实软件工程任务，把这些细节做成了一套越来越成熟的系统。

国产Coding Agent目前真正要追的，也正是这一层。

Harness的差距，可能比模型更容易追

训练一个前沿模型是极其昂贵而且复杂的事情。

需要大量GPU、数据、算法团队、训练基础设施和强化学习能力，而且竞争对手不会停下来等待。今天刚刚追上Claude，Anthropic下一代模型可能很快又出来了。

Harness不一样。

它当然也需要很强的工程能力，但很多问题已经从“未知问题”变成了“已知问题”。

今天一个先进的Coding Agent大概应该具备什么能力，行业实际上已经越来越清楚。

CLI、Plan模式、Sub-agent、MCP、Skills、Hooks、Sandbox、Git Worktree、Context Compaction、后台任务、自动测试和验证，这些方向已经被Claude Code、Codex以及其他产品不断验证。

后来者不再需要从零回答“AI编程工具应该长什么样”，而是可以直接学习已经被证明有效的设计，再根据自己的模型和用户场景快速迭代。

这和追赶基础模型的难度并不一样。

以前国内Coding Agent还有一个很现实的限制，就是即使Harness设计得不错，底层模型能力不足，整个系统仍然很难达到Claude Code的效果。

现在这个限制正在快速消失。

当GLM、Kimi、Qwen和DeepSeek逐渐进入前沿模型附近以后，Context管理优化一点、工具调用稳定一点、Loop设计成熟一点，都会直接反映到最终的产品体验上。

因此，我个人的判断是，未来半年国产AI Coding最值得关注的，可能并不是又有哪个新模型在Benchmark上超过Claude，而是CodeBuddy、Qoder、TRAE以及各家模型CLI会进化到什么程度。

我甚至认为，不到半年时间，国内头部Coding Agent就有机会在大多数常见的软件开发场景中，把和Claude Code、Codex之间的差距缩小到普通用户并不明显的程度，甚至在部分场景实现追平。

这里说的“追上”，并不是所有Benchmark全面超过，也不是每一个复杂任务都比Claude Code和Codex更强，而是作为生产力工具，已经能够成为真正平替。

对于用户来说，这才是最重要的标准。

如果Claude Code是100分，国产工具只有50分，那么基本没有替代价值。但如果国产工具已经做到85分或者90分，同时模型选择更多、价格更低、使用限制更少，那么很多用户并不会为了最后那10分一直绑定在同一个平台上。

竞争往往并不需要把第一名彻底打败。

只需要让第一名不再不可替代。

Claude最重要的变化，是从“必须用”变成了“可以选”

这可能才是最近这一轮国产模型进步带来的最大变化。

Claude Code目前仍然是最成熟的Coding Agent之一，Codex同样处在第一梯队。对于重度开发者而言，它们在复杂任务、长时间运行、上下文管理和整体稳定性上的优势仍然存在，这一点没有必要回避。

但和一年前相比，整个市场的状态已经完全不同。

以前是Claude和GPT站在前面，后面隔着很长一段距离才是其他模型。Claude账号、额度或者订阅一旦出现问题，用户很难立刻找到体验相近的替代方案。

现在下面已经有GLM、Kimi、Qwen、DeepSeek，工具层还有CodeBuddy、Qoder、TRAE、OpenCode以及各种CLI和Agent Framework。

模型正在变得可以替换，Coding Agent也正在变得越来越开放。

这意味着用户不需要再把全部生产力绑定在一家公司、一个账号或者一个订阅上。

AI Coding过去两年的主要竞争，大家一直在看模型。Claude和GPT到底谁写代码更好，新模型在SWE-bench又提高了多少，成为每次模型发布时最受关注的话题。

但是当模型能力逐渐接近以后，下一阶段真正决定AI Coding体验的，很可能越来越不是模型本身，而是Harness、Loop Engineering和整个Agent系统。

这场竞争才刚刚开始。

Claude Code和Codex目前领先，但国内的模型和编程工具已经进入同一条赛道，而且追赶速度明显加快。未来半年到底能不能追上，这是一个判断，现在当然还不能当作事实。

但至少有一件事情已经和以前不同了。

现在即使Claude调整订阅、限制额度，甚至账号真的出现问题，也不再意味着AI Coding工作流就没有了替代方案。

Claude好用，当然可以继续订。

哪天不好用了，或者有更合适的选择，也可以取消。

这次确实不用那么慌了。

Kimi卖爆之后，我发现AI可能不是一门互联网生意

2026年7月20日互联网、人工智能、博客文章Laoer发表留言

Kimi K3发布之后，市场反响非常热烈，发布仅几天，Kimi就宣布暂时暂停新用户订阅，原因是过去48小时的需求已经逼近现有算力容量的极限，为了保证现有付费用户的使用体验，只能暂时停止接受新的订阅，同时加快增加算力，后续再分批开放。Kimi还准备将会员拆分为普通的Kimi Membership和面向编程场景的Kimi Code Membership，以便更精确地分配算力。一个互联网产品发布后，因为用户太少而失败很常见，但因为用户太多，甚至连愿意付费的用户都暂时不接了，这种情况就比较少见了。

前段时间GLM-5.2上线后也出现过类似的情况，Coding Plan一度很难订阅，随着算力增加才逐步放开，目前智谱已经围绕GLM-5.2提供Lite、Pro、Max等不同等级的Coding Plan，并通过5小时和周度使用额度来控制资源消耗。虽然Kimi和GLM遇到的具体问题不完全相同，但放在一起看，至少说明一个现实：中国大模型的能力正在快速提升，用户需求也随之增长，但高质量算力供给并没有办法以同样的速度增长。

不过，我觉得这件事真正值得讨论的，并不只是中国缺不缺算力，而是AI的商业模式可能和我们过去熟悉的互联网有很大的不同。我们习惯把OpenAI、Anthropic、Kimi、智谱看成互联网公司，把ChatGPT、Claude、Kimi看成新一代互联网产品，但如果从成本结构和规模经济来看，AI可能并不是一门典型的互联网生意。

一、互联网最重要的商业优势，是规模效应

我在之前写中国互联网二手车行业时，曾经专门讨论过规模经济的问题。一个行业是否具有好的规模效应，很大程度上取决于成本结构，如果固定成本占比高、变动成本占比低，随着产量不断增加，固定成本被越来越多的产品和用户分摊，单位成本就会不断下降，这也是互联网公司非常重要的商业优势。

开发一套软件需要投入大量研发成本，但软件一旦开发完成，再增加一个用户的成本非常低。微软开发Windows需要大量程序员，但不会因为多卖出一份Windows，就再重新开发一次；腾讯开发一款游戏之后，一百万用户下载和一千万用户下载，研发成本基本不会发生变化；淘宝增加一个消费者，也不需要为这个消费者单独建设一个商场。当然互联网业务同样需要服务器、网络、电力、客服和运营成本，规模扩大后这些成本也会增加，但和传统行业相比，其新增一个用户的边际成本非常低，很多数字产品甚至接近于零。

互联网平台还有另外一个非常重要的特点，就是网络效应。淘宝的买家越多，就越能吸引商家，商家越多，商品越丰富，又会吸引更多买家；微信的用户越多，每一个用户加入这个网络后获得的价值也越大。因此，互联网公司做大规模不仅能够降低单位成本，还可能增加单位用户创造的价值，也就是边际成本下降的同时，边际收益反而增加，这也是互联网行业经常出现赢家通吃的根本原因。

所以过去二十多年互联网创业有一个非常重要的逻辑，就是先做规模。早期可以免费，甚至通过补贴获取用户，只要能够快速建立用户规模和网络效应，后面总有机会找到商业模式。从Google、Facebook，到国内的腾讯、阿里、美团、滴滴，基本都遵循过类似的发展路径，用户增长在大部分情况下都是一件好事，因为新增用户带来的收益，最终会大于新增用户产生的成本。

但到了AI时代，这个逻辑开始发生变化。

二、AI的成本，会随着用户使用量持续增加

传统互联网产品提供的，大部分是已经存在的信息或者已经开发完成的功能。打开一个网页，是把已经存在的内容传输给用户；观看一部电影，是把已经制作完成的视频播放给用户；使用一个SaaS软件，大部分操作也是执行已经写好的程序逻辑。但大模型不一样，你问ChatGPT一个问题，它需要重新进行一次推理；让Claude写一段程序，需要重新计算；让Kimi阅读几十份资料并生成一份报告，同样需要消耗新的计算资源。

也就是说，AI每提供一次服务，都需要重新“生产”一次结果。用户数量增加一倍，在使用方式基本不变的情况下，需要完成的推理任务也会大幅增加；一个用户原来每天问10个问题，现在每天问100个问题，即使用户数量完全没有增长，平台消耗的算力同样会显著增加。从成本结构来看，这更像传统行业里的变动成本，而不是互联网最典型的近乎零边际成本。

当然，AI的成本并不是简单的严格线性增长，随着Batch、KV Cache、量化、MoE、投机解码等技术不断成熟，加上芯片性能提升、模型架构优化和大规模集群利用率提高，单位Token的推理成本会持续下降，同样的模型能力，几年后的成本很可能只有今天的一小部分。但这并没有改变AI的一个基本特征：每多生成一批Token，就仍然需要消耗新的计算资源。互联网可以把同一份软件和内容近乎零成本地复制给更多人，而AI每一次输出，本质上都是一次新的计算。

如果把大模型看成一家“智能工厂”，GPU、HBM、服务器、数据中心和电力就是生产资料，Token是中间产品，最后生产出来的是用户需要的文字、代码、图片、视频以及各种任务结果。从这个角度来看，AI虽然以软件和互联网产品的形态提供服务，但它背后的成本结构反而有点像制造业，用户使用得越多，就需要生产更多“智能”，也就意味着需要更多的生产资料。

这个差异对商业模式的影响非常大。互联网公司通常希望用户尽可能多地使用自己的产品，因为一个用户每天打开微信10次还是100次，对腾讯产生的新增成本差别并不会特别大，但一个用户每天调用AI 10次和100次，对AI公司的成本影响就非常直接。如果用户支付的是固定订阅费，那么还会出现一个比较麻烦的问题：用户创造的收入是固定的，但用户消耗的计算资源却没有上限。

三、Agent会把这个问题进一步放大

过去的大模型主要还是Chatbot模式，一问一答，一次推理可能几秒或者几十秒结束，所以单个用户产生的计算量相对有限。但现在AI正在快速从Chatbot向Agent发展，特别是AI Coding，已经从过去的代码补全、问答，发展到让Codex、Claude Code、Kimi Code这样的Agent自主阅读代码库、修改文件、运行命令、执行测试、发现错误后继续修改，一个复杂任务可能连续运行几十分钟甚至几个小时。

这意味着，未来衡量AI产品规模，仅仅看MAU、DAU可能已经没有太大意义。同样是一个月活用户，一个人每天只问几个简单的问题，另外一个人每天让Coding Agent工作五六个小时，两个人给平台带来的收入可能都是同样的订阅费，但产生的计算成本完全不同。这也是为什么现在几乎所有AI Coding产品都会设置5小时额度、周额度、速率限制或者不同等级的订阅套餐，本质上都是在解决同一个问题：固定的订阅收入，如何覆盖高度不固定的计算成本。

传统互联网和SaaS通常喜欢重度用户，因为用户使用越频繁，说明产品粘性越高，续费概率越大，而新增的服务成本并不会同步增加。但AI可能出现一个很有意思的现象，就是用户过于重度反而未必是一件好事。如果一个用户每个月支付20美元，却长期消耗50美元甚至100美元的推理成本，那么用户增长越快、使用越活跃，公司亏损反而可能越大，这种情况在传统互联网产品中比较少见。

所以AI公司面临的问题，不只是如何获得更多用户，而是如何控制每个用户使用智能的成本，这也是为什么OpenAI、Anthropic、Kimi、智谱都在不断调整额度、会员等级和模型使用策略。模型越强，用户越喜欢使用；Agent能力越强，用户让它工作的时间越长，而使用时间越长，背后的算力消耗也越高，这其实形成了一个和互联网规模效应完全不同的商业逻辑。

四、Kimi暂停订阅，也说明中国AI开始遇到算力瓶颈

再回到Kimi K3暂停订阅这件事情，最直接的问题当然还是算力。模型发布之后，用户和使用量可以在几天内增长几倍甚至几十倍，但GPU不可能在几天之内同步增加，购买芯片、建设数据中心、部署服务器、配置高速网络和电力都需要时间。特别是对于中国AI企业来说，高性能GPU的供应仍然受到限制，虽然美国已经开始允许部分H200向中国企业出货，但截至7月中旬实际出货数量仍然很少，路透社也将目前中国科技企业面临的状况直接描述为算力容量紧张。

国产算力这几年发展很快，华为昇腾、寒武纪、摩尔线程等都在加速进入大模型训练和推理市场，国产模型也越来越重视对国产芯片的适配，但模型能够运行在国产芯片上，和能够以足够低的成本、足够大的规模稳定服务几千万用户，还是两个不同的问题。以前我们讨论中国AI，更多关注的是能不能训练出和GPT、Claude竞争的模型，现在随着DeepSeek、Qwen、Kimi、GLM等模型不断进步，新的瓶颈正在从“能不能做出好模型”，转向“做出来以后能不能让足够多的人用”。

训练一个模型虽然需要巨大的计算资源，但训练毕竟是阶段性的，模型训练完成之后，这部分投入就结束了；推理却是持续发生的，只要用户在使用，就一直需要算力。特别是在Agent时代，一个Agent可能持续工作几个小时，未来如果每个人都有几个甚至几十个Agent同时工作，算力需求会比现在的Chatbot时代高得多。因此，从长期来看，训练决定一个模型能不能出现，而推理成本可能决定这个模型能不能真正成为一门大规模的生意。

五、开源可能也是一种分散算力成本的方式

这也让我重新思考开放权重模型的价值。上一篇文章里，我更多从生态的角度讨论Kimi K3开源，开放权重可以让开发者、云厂商、企业和创业公司基于模型继续开发，带动芯片、推理框架、Agent平台以及各种应用的发展。但如果从算力成本来看，开放模型还有另外一个价值，就是把原本集中在模型公司身上的推理压力分散到整个生态中。

如果一个模型只能通过官方产品和API使用，那么模型越成功，所有用户就越集中到官方服务器，用户增长的同时，模型公司必须不断购买GPU和建设数据中心，成功本身会带来巨大的资本开支。但开放权重之后，云厂商可以部署，企业可以私有化，第三方API平台可以提供服务，随着模型压缩和终端芯片的发展，未来还可能有越来越多的推理直接运行在个人电脑和手机上。

Linux今天运行在全世界无数服务器上，但这些服务器显然不需要由Linux的开发者购买。从这个角度看，开放模型未来可能也是类似的模式，模型公司负责训练和持续迭代一个足够好的基础模型，整个生态共同承担部署、推理和算力成本。因此，开放权重不仅可以促进创新和生态繁荣，也可能是一种更加适合AI成本结构的分发方式。

六、AI最终比拼的，可能是谁能更便宜地生产智能

过去几年，大家判断一家AI公司最重要的标准一直是模型能力，Benchmark是多少、Coding能力怎么样、Context有多长、推理能力强不强，但随着模型之间的能力差距不断缩小，我觉得未来还会出现一个越来越重要的指标，就是完成同样一件事情到底需要消耗多少计算资源，也就是生产一单位智能需要多少钱。

假设两个模型都能完成同样的软件开发任务，一个需要运行一个小时，另外一个只需要20分钟；一个必须运行在最昂贵的GPU上，另外一个可以运行在成本更低的芯片上；一个完成任务需要消耗1亿Token，另外一个通过更好的模型架构、Context管理和工具调用只需要3000万Token，那么即使两个模型最终完成任务的质量差不多，后者也显然具有更大的商业价值。因此未来AI公司的竞争，不会只是模型与模型之间的竞争，而会是模型、芯片、基础设施、推理效率和资本能力的综合竞争。

互联网时代，规模越大通常意味着单位成本越低、网络效应越强，所以“先做大再赚钱”成为互联网创业非常经典的发展逻辑。但AI可能没有这么简单，用户增长会带来收入，同时也会持续带来计算成本，如果收入增长赶不上算力消耗增长，规模越大未必越赚钱。因此，一家AI公司最终能不能建立真正可持续的商业模式，不仅取决于模型够不够强，还取决于单位智能的生产成本能不能持续下降，以及用户创造的价值能不能高于他消耗的算力成本。

当然，未来AI的单位计算成本一定还会继续快速下降，芯片会越来越快，模型会越来越小、越来越高效，但与此同时，人类对智能的需求也会不断增长。以前我们只是让AI回答几个问题，现在已经开始让AI连续几个小时写代码、做研究、操作电脑，未来可能是几十亿个Agent每天24小时不停工作，所以即使单位智能的成本下降了，人类对智能的总需求也可能增长得更快。

Kimi K3发布后因为需求过大而暂停新订阅，表面上看只是一次“卖爆”之后的甜蜜烦恼，但背后反映的可能是AI行业一个非常重要的商业问题。过去互联网通过数字化，把信息和软件的复制成本降到了接近于零，从而创造了巨大的规模经济；AI则是在把智能变成一种可以规模化生产的商品，但每生产一份智能，目前仍然需要消耗真实的芯片、电力和计算资源。

所以，我越来越觉得，AI看起来像互联网，但可能并不是一门传统的互联网生意。未来真正决定AI公司胜负的，也不只是能不能做出最聪明的模型，而是谁能够以最低的成本，把足够好的智能提供给最多的人。当模型能力逐渐不再稀缺之后，廉价、稳定、规模化的智能供给能力，可能才是AI时代真正的护城河。

最强的模型，不一定能赢：AI Coding开始拼“好用”了

2026年7月18日人工智能、博客文章Laoer发表留言

最近几天，AI Coding领域最热闹的事情，除了GPT-5.6发布，就是OpenAI不断为Codex和ChatGPT Work用户重置使用额度。

GPT-5.6上线后，Codex与ChatGPT Work的合计活跃用户在几天内突破800万，OpenAI Codex负责人Tibo Sottiaux在X上宣布这一数字时，同时表示将再次为所有用户重置使用额度，并继续暂时取消原来的5小时使用限制。相关数据显示，Codex的单周使用量较此前增长了2.5倍，五个月内用户规模扩大了7倍。

从模型发布的角度来说，GPT-5.6当然是一次重要升级，但在我看来，真正值得关注的，反而是OpenAI围绕使用额度展开的一系列操作。

用户增长到600万，重置一次额度；增长到700万，又送一次可以自行使用的额度重置；到了800万，再为所有用户重置额度，同时暂时取消5小时限制。OpenAI一边庆祝用户增长，一边继续让用户免费使用更多额度，用户自然会不断地把消息传播出去，甚至主动拉着身边的人一起使用。

这波营销操作，无论是不是提前设计好的，效果都堪称经典。

一、OpenAI真正降低的，是用户的额度焦虑

对于AI Coding工具来说，价格当然重要，但真正影响使用体验的，往往不是每个月20美元或者100美元的订阅费用，而是额度焦虑。

当一个用户准备把一项稍微复杂的任务交给AI时，他首先想到的可能不是这个模型能不能完成，而是这次任务会消耗多少额度。任务是不是应该拆小一点，推理强度是不是应该调低一点，要不要换一个能力弱一点但更省额度的模型，今天已经用了不少，是不是应该把剩下的额度留到明天。

一旦开始计算这些事情，使用体验就已经被打断了。

就像手机流量刚刚普及的时候，很多人每打开一个网页，都会担心消耗了多少流量。后来不限流量套餐出现以后，大家才真正开始放心地刷视频、看直播，移动互联网的使用方式也随之改变。AI Coding也是一样，只有当用户不再过度关注每一次调用消耗了多少额度，才会真正把完整的工作交给AI。

OpenAI暂时取消5小时额度限制，并且连续为用户重置额度，看起来是在免费赠送算力，实际上是在培养用户的使用习惯。用户把任务交给Codex的次数越多，积累的使用经验越多，未来切换到其他工具的成本就越高。

从这个角度来看，OpenAI送出去的并不只是额度，而是在用算力购买用户习惯。

二、Claude很聪明，但一直有点高冷

如果一定要给Claude和Codex做一个不太严谨的比喻，那么Claude就像一个清华北大的美女学霸，成绩优秀，长得也漂亮，自然会有很多人趋之若鹜。

但这个学霸多少有点高冷。她知道自己能力很强，也知道大家都想用她，所以平时多少有一种“爱用不用”的感觉。额度不多，速度不快，价格也不便宜，有时候刚刚进入工作状态，突然就提示达到使用限制，只能等几个小时以后再继续。

Claude Fable 5发布时，Anthropic最初只计划在订阅套餐内限时提供，随后又将免费使用期限从原计划不断延长，目前已经延长至7月19日，同时还把Claude Code的周使用额度提高了50%。

当然，Anthropic可以说这是因为算力资源紧张，也可以说是在逐步开放新模型，这些理由都说得过去。但在GPT-5.6发布、Codex用户量快速增长的时间点上，Anthropic一次又一次延长Fable 5的订阅内使用期限，很难说完全没有受到竞争压力的影响。

如果没有Codex在旁边大送额度，Fable 5可能早就已经开始额外收费了。

竞争的好处就在这里。企业之间打得越激烈，用户能够获得的额度越多，价格越低，产品体验也会越好。

三、Claude Code和Codex，我现在更愿意用谁

从我自己的使用体验来说，Claude Code的代码质量确实没得说。

特别是在处理复杂逻辑、分析已有项目、进行架构调整时，Claude经常可以发现一些不容易注意到的问题。它不仅会按照要求修改代码，有时候还会主动思考这个修改会不会影响其他模块，以及现有方案是否存在更加合理的实现方式。

这种能力是Claude最吸引人的地方。

但Claude Code的问题也非常明显，就是速度比较慢。一个并不算复杂的任务，它可能需要思考很长时间，有时候工具调用之间也会停顿。如果同时运行多个任务，等待的感觉会更加明显。使用AI Coding本来是为了提高效率，但如果一个任务需要长时间盯着它运行，效率优势就会被削弱。

Codex则比较务实。

它没有Claude那么多思考和解释，接到任务以后通常很快开始干活，读取项目、修改文件、运行测试，整个过程比较直接。从绝对能力上来说，我还是认为Claude Code略强一点，特别是遇到难题时，Claude给出的方案偶尔会让人眼前一亮，但Codex的能力并没有差很多，代码质量也不含糊。

更重要的是，Codex非常稳定，速度也快。

在一般的应用开发中，我更关注的不是模型偶尔能不能给出一个非常惊艳的方案，而是它能不能连续完成十几个普通任务。增加一个页面，修改一个接口，调整数据库字段，修复一个样式问题，补充一些测试，再处理一下构建错误，这些才是日常开发中占比最高的工作。

Claude Code有时像一位能力很强的技术专家，适合解决那些真正困难的问题；Codex则更像一个务实的同事，话不多，接到任务就开始干活，而且大部分时候都能把事情做完。

对于日常工作来说，后者可能更加重要。

四、大多数应用开发，并不需要Fable 5

AI公司发布新模型时，总是会强调模型在各种基准测试中的成绩，比如能不能完成更长时间的任务，能不能解决复杂的数学问题，能不能独立完成大型项目。

这些能力当然重要，它们代表着模型的上限。

但现实中的大多数软件开发，并没有那么复杂。大量应用类编码，其实就是围绕已有项目不断进行小规模迭代，包括增加功能、调整页面、修改接口、修复Bug、处理兼容性问题，以及根据用户反馈优化体验。

就拿我自己开发DoseLoop·用药有数的过程来说，大部分任务都不需要一个能够连续思考几十个小时的模型。更需要的是AI能够理解现有代码，按照要求完成修改，不要破坏原来的功能，修改完成后主动进行检查，出现错误以后继续修复。

这些事情听起来并不高深，却决定了一个AI Coding工具到底能不能真正投入生产使用。

Fable 5在复杂编码和长周期任务上的能力确实很强，Anthropic公布的测试和早期用户反馈也显示，它在一些高难度编码任务中处于领先位置。

但对于普通应用开发来说，很多任务完全用不到Fable 5级别的模型。使用顶级模型完成一个普通页面调整，就像请一位顶级建筑师来帮家里安装一个书架，当然可以完成，而且可能做得很好，但成本和效率未必合适。

AI Coding真正的大市场，不是每个人都在解决世界上最复杂的编程问题，而是有无数普通的开发任务需要被完成。

顶级模型决定了AI Coding的能力上限，但真正决定市场规模的，往往是那些能力足够、速度更快、成本更低的模型。

五、模型最强，不代表产品一定能赢

过去两年，每次有新模型发布，大家最关心的都是排行榜。

哪个模型在SWE-bench上得分更高，哪个模型推理能力更强，哪个模型可以自主运行更长时间，似乎只要赢下这些评测，就能赢下市场。

但当几个头部模型的能力越来越接近以后，几分的评测差距，对普通用户来说已经没有那么重要。

假设Claude Code完成一个任务的质量可以达到95分，Codex只有92分，但Claude Code需要20分钟，Codex只需要8分钟，而且Codex可以稳定地连续运行，那么在大量日常任务中，很多人会选择Codex。

软件工具不是考试，用户也不是评委。

用户不会因为一个模型在排行榜上领先几分，就愿意长期忍受更慢的速度、更少的额度和更高的价格。大家最终关心的，还是这个工具能不能真正帮助自己完成工作。

这也是我认为OpenAI这次做得非常务实的地方。它并没有只强调GPT-5.6在某一个基准测试上超过了谁，而是把GPT-5.6、Codex和ChatGPT Work同时推出，并且把Codex能力整合进ChatGPT，让编程和普通知识工作逐渐进入同一套工作流。ChatGPT Work可以调用应用和工具，处理文档、表格、网页应用等长时间、多步骤任务，而Codex也不再只是程序员使用的编码工具。

模型能力只是产品的一部分，入口、体验、额度和生态同样重要。

六、OpenAI正在争夺的，是用户的默认入口

现在的AI工具越来越多，一个稍微复杂的任务，可能需要同时使用多个产品。

有人用ChatGPT讨论需求，用Claude Code设计架构，用Codex写代码，再用Gemini查找资料。这样的组合当然可以获得更好的效果，但来回切换工具也会带来额外成本，项目背景需要重复输入，文件需要反复上传，不同工具之间的上下文也无法自然衔接。

OpenAI显然不希望用户这样做。它正在尝试把聊天、搜索、编码、文档、表格、演示文稿和电脑操作逐渐整合到ChatGPT之中，让用户从一个想法开始，一直做到最终交付，而不需要离开同一个产品。

Codex与ChatGPT Work的用户合并统计，也说明OpenAI正在淡化编码工具与通用工作工具之间的边界。Codex最初主要服务程序员，但OpenAI在6月份披露的数据中提到，Codex周活跃用户已经超过500万，其中知识工作者约占20%，而且增长速度明显快于开发者。

这背后的意义是，Codex正在从AI Coding工具，逐渐变成一个能够操作文件、运行命令和完成任务的通用Agent。

一旦用户习惯在ChatGPT中完成大部分工作，OpenAI就不需要在每一项能力上都做到绝对第一。它只需要保证各项能力都足够优秀，同时让整个使用过程更加连贯。

微软当年的Office并不是每一个单独组件都绝对领先，但Word、Excel和PowerPoint组成了一套完整的办公体系。用户一旦进入这个体系，就很难为了某一个功能上的小优势，频繁更换整套工具。

OpenAI现在走的也是类似的道路。

七、AI Coding已经从智力竞争，进入服务竞争

Claude和Codex之间的竞争，表面上看是两个模型谁的编程能力更强，实际上已经逐渐变成两家公司服务能力的竞争。

模型能力当然还是基础，但除此之外，用户还会关心响应速度、使用额度、运行稳定性、产品入口，以及遇到问题以后能不能快速恢复。

OpenAI这次在使用量突然增长以后，选择连续为用户重置额度，暂时取消5小时限制，虽然背后可能也有额度统计和基础设施调整的问题，但从用户感受来说，这是一种非常积极的姿态。

它给用户传递的信息是：你先用起来，额度的问题我们来想办法。

Anthropic过去给人的感觉则完全不同。Claude很强，但使用限制也很多，特别是重度用户经常遇到额度不足的问题。Anthropic在2026年5月将Claude Code的5小时额度提高一倍，并取消高峰期额度缩减，随后又多次延长Fable 5的订阅内使用期限。

这些变化当然值得肯定，但也说明竞争确实在迫使Anthropic更加重视普通订阅用户的使用体验。

以前AI公司主要证明自己的模型有多聪明，现在它们还需要证明自己的服务足够稳定、价格足够合理、额度足够使用。

模型竞争正在从实验室里的智力比赛，变成真实工作中的服务竞争。

这对用户来说，当然是一件好事。

八、我现在更期待Gemini 3.5 Pro

Anthropic和OpenAI打得越来越激烈，我现在反而更加期待Google的Gemini 3.5 Pro。

Google在2026年5月发布了Gemini 3.5 Flash，并表示Gemini 3.5 Pro已经在内部使用，原计划在随后一个月推出。但截至本文写作时，Gemini 3.5 Pro仍然没有正式发布，最新报道显示，其延期的重要原因之一，就是编码能力尚未达到Google内部设定的目标。

从这个角度来看，Google应该也感受到了压力。

过去一个模型只要综合能力足够强，就可以被称为旗舰模型；现在如果编码和Agent能力不够强，哪怕在其他领域表现不错，也很难在市场上与Claude和GPT竞争。Google拥有其他两家公司不具备的优势，包括Android、Chrome、Google Search、Gmail、Google Drive、Google Cloud，以及完整的开发工具和办公生态。Gemini 3.5 Flash已经进入Gemini、搜索、AI Studio、Android Studio和Antigravity，如果Gemini 3.5 Pro在编码和长任务能力上能够真正达到预期，Google就有机会形成第三种完整的AI工作流。

当然，Google过去的问题从来不是缺少技术，而是如何把技术变成一个真正好用的产品。

所以我期待的，不只是Gemini 3.5 Pro能够在排行榜上超过Claude或者GPT，而是Google能不能把模型能力、开发工具、搜索和办公生态真正连接起来，做出一个让用户愿意每天使用的产品。

九、最强的模型，不一定能赢

Claude Code仍然是我认为代码质量最好的AI Coding工具之一，在处理复杂问题时，它的能力确实值得信任。Codex在部分任务上的能力可能比Claude差一点，但差距已经没有大到足以抵消它在速度、稳定性和额度上的优势。

对于普通应用开发来说，一个能力达到90分、随时可以使用、运行速度很快的工具，往往比一个能力达到95分、但速度慢、额度少的工具更加实用。

用户并不需要模型在每一个任务上都证明自己是世界第一。

更多时候，我们只是希望它能够及时出现，听懂需求，把事情做好，出现问题以后继续修复，而且明天还能够接着使用。

Claude像一个聪明、高冷、偶尔让人惊艳的天才，Codex则像一个务实、稳定、愿意一直干活的同事。天才当然令人向往，但在真实的工作中，我们可能更需要一个每天都能来上班的人。

随着OpenAI、Anthropic和Google之间的竞争继续加剧，模型能力还会不断提高，价格会继续下降，额度也会逐渐增加。未来AI Coding的竞争，已经不只是看谁拥有最聪明的模型，而是看谁能够提供一套真正稳定、高效、可持续使用的产品。

最强的模型定义了能力的上限，最好用的产品，才有可能赢得市场。

标签： Claude