京香JULIA番号 马斯克花 100 亿想明晰一件事，不作念 coding agent 就是等死
1.京香JULIA番号
OpenAI 的两大夙敌 Anthropic 和马斯克，放下心中想法之后终于在月初订盟了。
在此之前，Anthropic 和马斯克的关系并不融洽：本年 2 月，马斯克还在我方的 X 账号攻讦 A 社「woke」「狰狞」「反东说念主类」（misanthropic），说这家公司「仇视漂后」。
过其后看，此次抨击并非马斯克超世绝伦的秉性使然，而是 Anthropic 所作念的某些事情触遭受他的神经，无缘无故。
在此之前，xAI 里面使用 Cursor 使命，但是本年齿首职工发现，Claude 模子倏得在 xAI 的 Cursor 公司账号里不可使用了。
其时还在 xAI 上班的协调独创东说念主吴宇怀，在全员信里是这样说的：「Anthropic 更新了政策，要求 Cursor 不得向其主要竞争敌手提供 Claude 模子调用才略。」
其时，吴宇怀在信中写了一句话，颇为真义：
「这是坏讯息亦然好讯息。咱们的坐蓐力会被影响，但这也敦促咱们拓荒我方的编码居品和模子。」
为什么其时 xAI 的高层觉得，拓荒我方的编码居品是关节？
其后发生的事情，全球都知说念了。xAI 的联创团队所有跑路，马斯克一气之下对 Cursor 使用了钞才略必杀：
上个月底，SpaceX 和 Cursor 共同秘书，将在编程和学问类使命 AI 模子的老师上，张开前所未有的政策合营；况兼，SpaceX 还取得了以 600 亿好意思元收购 Cursor 的权力，或向后者支付 100 亿好意思元合营用度。
把稳编程这个关节定语，后头还会 call back.
2.
最近，我看了一条 Cursor 早期投资东说念主、Anthropic 大喷子、T3 独创东说念主 Theo Browne 的视频。
原本点进去是看他喷 A 社和 SpaceX 如何蝇营狗苟，成果没预见，却看到了对于 SpaceX + Cursor 合营的，一个既另类却又十分合理的分析：
不说 600 亿的收购，就只说 100 亿的合营费——Theo 在视频里默示，我方觉得「哪怕仅仅交换到 Cursor 的用户数据，这 100 亿也值回票价了。」
是以是什么数据？如若你也去看 Theo 这条视频，他会讲得相等明晰。但为了从简时代，咱们在这里简便玄虚一下：
咱们和 AI 的对话是一来一趟的，你提倡问题/需求，他给你解答；coding agent 同理，只不外复返的是代码。
一次高质地的对话，通盘过程，包括用户辅导、模子念念考、agent 辩论、输出代码、考证——通盘这些东西合起来，不错称为一个齐全的 Agentic Loop——就成为了高价值的老师数据，再喂给模子去进行强化学习，就能进一步普及模子在实战场景下的推崇水准。
Cursor 有的，SpaceX 想要的，就是这些数据。
可这些数据从那儿来呢？
谜底很简便：动作模子厂商，这种高质地数据的最径直来源，只关联词你我方拓荒的 coding agent 居品——也即 Anthropic 的 Claude Code、OpenAI 的 Codex、Kimi 的 Kimi Code。
当今你应该光显了，为什么被 Anthropic「封号」之后，吴宇怀会在全员信里提倡拓荒 xAI 我方的 coding 居品和模子这件事了。这件事 xAI 在其时如故看明晰了：
莫得我方的编码居品，就莫得高质地的强化学习数据；莫得高质地的数据，就老师不出信得过实战才略强的 coding 模子。
诚然有点暴论，但当今咱们不错点题了：模子厂商想作念出来信得过能打的编程模子，作念我方的 coding agent 居品是唯独的旅途。
3.
大谈话模子像个水晶球，用全网的语料老师出来，似乎大约解答万物，但并不代表它在通盘问题上都能给出高质地的谜底。
用 GitHub 上数以亿计的代码条件老师，自然也能老师出 coding 模子。这是「学习成果」的逻辑，亦然没问题的。毕竟编码任务的成果是不错考证的：代码能不可运行，测试能否通过，成果摆在那里。
但是，通往成果的过程，是一个触及多设施决策、过失改良、意图对都的复杂链条。每一次用户的摄取、拒绝、补全、肃除、追问、以致当模子好几次都搞不定或者完全搞错时的瑕瑜——都是这一链条上的过程信号。
强化学习有两种监督方式，一种叫作念成果监督，只看终末是否跑通。但是成果监督会催生「奖励黑客」的形式：模子为了能跑通可能写出冗余、脆弱、带逻辑舛讹的代码，但因为测试过了，模子以为我方学对了。
而另一种叫作念过程监督，对推理旅途上的每一步进行打分。上述这些过程信号，唯有在 coding agent 运行环境里才智出身。GitHub 仓库里唯有成果，哪怕是去看单独的提交历史，看 PR，都找不到有用的过程信号。
在败落有用、自主可取得的过程信号的时候，一些模子厂商会选拔「蒸馏」的方式，这个事情全球应该如故知说念了。
蒸馏的逻辑很简便，给相似的输入，淳厚模子输出什么，学生模子就学着输出什么。但是通过蒸馏，即便不错获取到念念维链，得到的仍然更接近于成果，而非被蒸馏的淳厚模子里面的概率漫衍。
一朝学生在推理中偏离了淳厚的轨迹，哪怕一个 token 不安妥，都有可能发生偏离。
这背后是强化学习的基础限度：策略梯度定理要求，优化样本最好由现时正在优化的模子我方去产生。这种数据叫作念 on-policy 数据。而通过蒸馏别家模子，在别东说念主的居品里产生的数据，来老师我方模子，都属于 off-policy 数据。模子自然不错从中学到东西，但学不到淳厚模子里面的概率漫衍信息。
而像 Cursor 这样我方就是 coding agent 居品的公司，掌捏着最确切、有用、高质地的老师数据。Cursor 居品自身，就是 coding 模子在实战环境中的最好老师场。
咱们不错通过 Cursor 岁首的「翻车」，来讲授这个逻辑。
4.
APPSO 读者应该铭记，岁首 Cursor 发布了 Composer 2，堪称「下一代专用编程模子」，技巧报说念写的相对保守，也莫得提供具体的模子底座信息。
成果很快，网友就在公开代码片断里发现了 Kimi 的模子 ID，截图传遍了拓荒者社群，逼得 Cursor 副总裁 Lee Robinson 露面融会：「Composer 2 如实是从开源底座起程的。最终模子大要唯有 1/4 的算力来自底座，剩下 3/4 是咱们我方训出来的。」
几小时后，Cursor 联创 Aman Sanger 也随着发了一条说念歉：「一初始没提 Kimi 底座是个无理。」
五天后，Cursor 放出了齐全的 Composer 2 技巧呈文，骄矜底座果真是 Kimi K2.5，授权方则是 Firworks AI，大致经由是在 K2.5 上作念老师，再陆续作念大规模强化学习（RL）。
但关节之处在于，Composer 2 的 RL 是运行在确切的 Cursor 会话当中，使用与坐蓐部署完全调换的用具和 harness。
Cursor 将这套经由叫作念「及时强化学习」(real-time RL)，也行将模子的 checkpoint 径直部署到 Cursor 坐蓐环境中，不雅察用户的反应，会聚数据，团员成奖励信号——最快不错每 5 个小时迭代一次模子版块，然后陆续部署到 Cursor 里，周而复始。
最极致的案例是 Cursor 的自动化代码补全功能 Tab，每天贬责罕见 4 亿次苦求，每当用户输入字符、移动光标时，模子都会瞻望下一步动作，如若瞻望置信度高，则骄矜建议，用户按下 tab 即摄取自动补全。
该功能选拔的是在线强化学习，在行业内极具特质。Cursor 不错以极高的频率（最快可达每一个半小时到两小时）更新 Tab 的模子才略给用户，径直在居品内会聚 on-policy 数据进行老师。
这种高频、接近及时的反馈回路，让 Tab 不错学习到极其高明的用户意图。Cursor 方面披露，这种规律让 Tab 建议的拒绝率裁汰 21%，摄取率普及了 28%。
回到 Composer 模子自身。在事情搞明晰了之后，一些 Kimi 职工也删掉了之前吐槽的的推文，Kimi 官方账号发表了祝福。
一家估值 600 亿好意思元（基于马斯克给的数字），不作念我方的模子基座的 coding agent 应用层公司，仍然不错通过居品自身的数据飞轮，宝宝福利吧RL 出超越基座模子的独有编程模子。
是以与其说 Cursor 翻了车，不如说这反而是 coding agent 居品遑急性的绝佳例证。
Cursor 在另一篇对于及时 RL 的著作里写到：「（老师编程模子）最大的清苦在于建模用户。Composer 的坐蓐环境里不惟有履行大叫的计较机，还有监督和诱骗它的东说念主。模拟计较机容易，模拟使用它的东说念主却很难。」
这句话，现正在冉冉成为了在编程模子方面走在前沿的模子厂商之间的共鸣。如若你去看 benchmark 榜单和用户精深评价，会发现哪些头部的厂商都在发力作念我方的 coding agent/编程居品。区别只在于谁离用户更近。
咱们以 SWE-bench、LLM-Stats 等相对巨擘的榜单为例，Claude、GPT、Gemini、Kimi 等模子基本霸榜前十，清一色都是有我方拓荒 coding agent 居品（包括 CLI、IDE、集成 coding agent 的桌面客户端）的模子厂商。
在部分榜单上会出现少数反例，如 Meta (Muse Spark)、DeepSeek 等，莫得拓荒我方的 coding agent。
不外你会发现，这些反例模子，在愈加接近确切场景、幸免沾污的更巨擘 benchmark 上就很难上榜了。以 DeepSeek 为例，它在 SWE-bench bash only 上分数是 70%，名依次九，在 SWE-bench Pro 上分数却掉到了 15% 把握。
OpenRouter 果露出流量数据不错解释这种反差：该平台 2025 年呈文骄矜，Claude token 亏欠 80% 以上用于编程和技巧任务，而 DeepSeek token 亏欠主要齐集于闲聊和脚色饰演。
莫得自家 coding 居品的厂商，在一些 coding 任务 benchmark 上能挤进头部，但在更难果露出工程 benchmark 上，在用户用 token 亏欠投票果露出流量中，都会原形毕露。
不仅是 Cursor，Anthropic 在 2025 年 11 月发的一篇论文里，也明确披露我方在作念一模一样的事情：「咱们在 Anthropic 自家果露出坐蓐编程环境上作念老师。」也即 Anthropic 把我方职工使用 Claude Code 的交互数据，反哺给 Claude 模子用来老师。
5.
在 AI 的演进历程中，坐蓐因素的界说发生了深入的位移。传统三大中枢因素——算力、考虑、老师数据，诚然在总量上不时增长，但在结构上如故出现了严重的失衡。
今天的各大 AI 巨头显赫普及了在算力上的成本开销 (CapEx)，让算力基建成为了现时公论的主旋律。但本质上，止境是在编程鸿沟内，随着 GitHub 仓库、StackOverflow 等互联网公开代码数据被基模厂商「饮鸩止渴」式地欺诈，模子在代码生成与逻辑推理上的范畴初始冉冉显现。
这亦然为什么，行业共鸣正在冉冉转向一个冉冉起飞的新政策高地：
对于任何但愿掌捏顶级代码才略的模子厂商而言，栽植自有的 coding agent 居品早已不再是可选的营业道路，而是确保底层模子不错不时进化的中枢肠命线。
正如前边 APPSO 论证的那样，单纯学习公开数据等于只学习得胜者的结局，却无法了解得胜的旅途，这全都不是正确的得胜学应该有的款式。在确切的编程环境中，知说念发生了什么过失、若何发生的、如何正确地相识和高效地实践需求等等——了解正确过程的价值，远超于得到正确成果自身。
唯有领有我方的编码居品，模子厂商才智获取高质地的「过程监督」信号，从而在编码/推理才略的下一阶段竞争中，确保我方仍有技巧护城河——
不然就不得不像 SpaceXAI 那样，用钱去跟 coding agent 居品公司去合营。
然而并不是通盘模子厂商都跟马斯克一样有钱，以及 2026 岁首始的巨头势力离别、订盟与领地的争斗会变得愈加热烈，当一家败落自主 coding 居品的模子厂商终于回过味来的时候，或许如故莫得有余的合营伙伴不错挑选，合营的价钱也将情随事迁。
好意思国模子巨头的情况全球精深比较熟谙了，在此不赘述。APPSO 也把稳到，国内的主流模子厂商和 AI 巨头当中，绝大部分都如故在 coding agent 居品上有所布局。
国内巨头公司主要以原生 AI IDE 或 IDE 插件的念念路在作念：字节进步旧年很早就布局了 TRAE、阿里巴巴的 Qoder、腾讯的 CodeBuddy、百度的文心快码 Comate 等。
AI 小龙公司中，月之暗面是最早拓荒孤独 coding agent 居品的公司，主要以 CLI 界面的 Kimi Code 为主——不外 Kimi 此前有披露过，在原生编程居品这件事上，CLI 不会是终端。
另一种收场念念路是模子厂商自行提供 API 处事、Coding Plan。这样，无论用户使用何种 AI 拓荒环境，模子厂商都不错通过处事器端的 API 纪录来获取最猛进程接近于原生 coding 居品的过程数据。
但这也仅仅接近，并非完全调换。中枢在于，处事器端 API 的苦求-反应日记，与深度承袭的居品交互轨迹比较仍有很大差距。
自建居品的厂商（举例 Cursor、Claude 桌面端、Codex）领有最径直的显式反馈信号，而 API 侧是相对依稀的隐式估量。简便来说，API 侧能看到用户请乞降反应，但用户终末是否领受了这段代码、代码能否跑通、激励了什么样的 bug，API 侧对此是一无所知的。他们无法了解到用户最终举止这一关节的标签，从而无法收场最高质地的强化学习。
形而上来讲，谈话即寰球，代码即决议。代码不错抒发这个寰球上绝大无数的任务，代码也会成为头部的放大器，让最顶尖的东说念主才放大数倍的坐蓐力。
唯有最顶尖的 coding 模子才配得上最顶尖的东说念主才。如若开端的模子厂商不有趣 coding，例必将会掉出第一梯队。
自然，事实上每家模子厂商都不会不有趣 coding——而是说，在新的范式下，哪些莫得自主可控的原生 coding agent 居品，极有可能冉冉逾期于有居品的厂商。
就在前几天，MiniMax 也发布了桌面客户端居品的要紧更新：带有全新多 agent 编排架构的 Mavis 功能，况兼也让客户端显赫改善了对 coding 任务的支撑。
此前 MiniMax 仅仅推出了桌面端，但莫得加入原生 coding 和 agent 功能。
紧接着，在 5 月 15 日，阿里巴巴隆重发布了 Qoder 1.0——这个居品从 IDE 的形态隆重升级为一个齐全的 Agent 居品（阿里的官方叫法是智能体自主拓荒使命台）。
与此同期，xAI 的 Grok Build CLI，也终于隆重推出了。
没错，就是 xAI 岁首被 Anthropic 和 Cursor 封号之后，他们我方捣饱读出来的阿谁 coding agent.
这不，又多了好几个现成的案例。
看来，全球都觉得 Cursor、Codex 和 Claude 桌面端走在正确的说念路上。
6.
把话题从 coding 彭胀到 agent 自身，情况亦然一样的。
编码任务的轨迹数据，在公开语料中如实如故能找到一些的（比如 GitHub 的提交纪录/PR，尽管质地并不高）。但是 agent 任务的轨迹数据，包括并不限于移动和点击鼠标、操控触屏、填写输入框等，却无法在公开语料中找到。
是以咱们会看到，即使在 agent 操作的最小收场旅途——浏览器插件上，这样个看起来小数都不高端的东西，险些每家模子厂商都会作念我方的。
OpenAI 早在 2025 年 1 月就作念了 Operator——与其说它是一个「AI 自动操作浏览器」的居品，不如说本质上就是一个大规模的数据会聚安装。每一位试用 Operator 的用户，都在免费为 OpenAI 提供 on-policy 数据。
后续 OpenAI 还生息出 ChatGPT Agent 以及新版 Codex 桌面端；Anthropic 亦然同理；最近 Kimi 不声不吭地也作念了一个叫作念 WebBridge 的神色，其实就是一个浏览器插件。
即等于在往时两年里动作最克制的中国模子巨头深度求索，也在最近初始展暴露对 Agent 的风趣。
CEO 梁文锋此前摄取采访时也曾提到这样的不雅点：数学和代码是 AGI 自然的巡视场，有点像围棋，是一个顽固的、可考证的系统，有可能通过自我学习就能收场很高的智能。
这句话的潜台词，是 DeepSeek 一直把 coding、Agent 当考虑巡视场，而非营业化主义。
但是在本年 3 月，DeepSeek 一次性放出了十几个 Agent 相干岗亭，包括初次出现的模子策略居品司理（Agent 主义）等。其时的 JD 职责涵盖「主导 Agent 评测体系以及老师数据决议的打算」，要求中包括「深度使用 Claude Code、Manus」等居品。
APPSO 把稳到，近期深度求索发布了 Agent 居品司理、Harness 居品司理等职位招聘信息——很彰着，DeepSeek 要作念孤独、原生的 Coding/Agent 居品了。
此前贵府骄矜，DeepSeek V3.2 的老师过程中引入了近两千个合成的 Agent 老师环境和八万多条复杂指示。但是看起来，靠合成的老师数据只可带 DeepSeek 走到这里了，剩下的是合成不出来的部分：确切用户在确切环境里果露出得胜和失败，必须靠自家的 agent 居品才智拿到。
DeepSeek 以一种十分克制的方式作念了三年模子以及模子居品。但是在今天来看，在编码类任务上，DeepSeek 拿 SOTA 越来越难了，即便此前拿到也会在不久后被超越。
当主力依靠考虑的旅途因循不住飞轮的时候，DeepSeek 终于举止了。
7.
终末，咱们回到开篇的故事。
笔据 The Information 征引知情东说念主士报说念，在摄取马斯克 600 亿收购/100 亿好意思元合营的同期，Cursor 默示不会与 xAI 合营拓荒新的模子，而是仍将聚焦于优化我方的 Composer 模子。
这可能意味着，即便被马斯克打通以致收购，Cursor 仍然要保留我方数据飞轮的主体性。
数据包摄的自身，是最关节的掩蔽博弈点。
当通盘顶级模子厂商都作念了我方的居品，通盘顶级居品也都初始老师我方的模子，「模子公司」和「居品公司」之间本就不太明晰的界限，似乎越来越不存在了……
这场博弈也才刚刚初始京香JULIA番号。
声明：新浪网独家稿件，未经授权谋害转载。 -->
