声明:本文来自于微信公众号 光锥智能，作者:魏琳华，授权站长之家转载发布。
大厂正在集火最具PMF（产品市场契合度）价值的赛道——AI编码。
从7月21日开始，字节、腾讯、阿里轮番更新AI编码产品和模型:字节已有的AI编码产品Trae放出Solo版本，加入上下文工程，让平台变得更“聪明”;腾讯则把一整套用来部署产品的工具放到其中，做了个“全栈工程师”;阿里更是发布编程大模型Qwen3-Coder剑指Claude4，直接从模型层下功夫。
在Cursor面向中国市场取消了Anthropic、OpenAI和Google等多家的模型使用后，国内大厂们不仅想做Cursor的平替，更是升级开发体验。它们不再满足于让AI仅仅充当程序员的“副驾驶”，而是想让AI包揽起“产设研”一条龙，直接做成品。
和上半年还在让AI当助手、打酱油相比，这一次，AI 编码已经实现了从辅助程序员生成代码，到AI自主完成生成的飞跃。
AI编码“三国杀”
从编码生成到软件交付
接连三天的发布中，字节、阿里、腾讯三家大厂先后拿出了能让AI一口气干完从编码到成品的工具/模型。
这一次的集中更新，AI开始接管起写编码的工作:不仅要写得质量过关，更是把成品都部署好了。
其中，腾讯和字节对自家编码产品的更新，重点还是在产品侧，毕竟从工程队到样板间，中间还隔着很远，需要靠产品能力补齐。
7月21日，字节宣布更新Trae Solo版本，比起聚焦“编码生成”的1.0阶段，新版本跨向了能让AI自主完成“软件交付”的2.0阶段。
在旧的版本中，Trae在IDE界面中编程，其中编程模式有两种，分别是Build模式和Chat模式，前者相当于一个传统编程的IDE界面，只需要用户在右侧输入提示词，AI就能自动拆解，按照需求生成大段编码。相比之下，Chat模式则更多适用于用户和AI通过聊天的方式，修改编码、找问题等等，更适用于精细调整上。
2.0版本的Trae，在左上角加入了一个模式切换，可以从旧版本的IDE模式切换到Solo模式。在界面上，AI对话框被放到了左侧，而右侧用来放AI生成的文档、编码信息。
在整合后的界面中，Chat模式和Build模式相当于有机整合在了一起。在官方演示中，AI演示的功能先拆解起了需求，生成一份产品文档。紧接着，这个文档就交给AI做下一步拆解，根据里面的详细需求，AI开始接着写起了编码。
在这个基础上，Trae还要让它完成从部署编码到提供成品的效果，于是，新版本配置了一系列辅助Web开发的工具，包括PRD（产品需求）文档、UI设计、部署上线等，这些工具全都接在了Solo模式中的AI Builder里。
可以看到，比起以往只是辅助程序员写编码的AI助手，新版本的Trae们已经能让零基础编程的开发者用平台开发出一个完整的产品。
整合界面、开发工具的基础上，Trae还在优化Agent功能的Context（上下文工程）上下手，进一步优化产品功能，克服“准确理解需求”的问题。
此前，对于Trae1.0版本的评价，程序员们的评论口碑两极分化:一部分人认为确实能提效，另一部分用户则集中反映了AI回复质量的问题——编码跑出来了，但长度和可用度都存在一定问题，且来来回回找不到编码中存在的Bug，花费的时间变得更多了。
过往使用这些编码助手类产品时，用户往往会遇到一个问题，也就是输入Prompt（提示词）之后，跑出来的编码和需求“两模两样”。比如，虽然给一个生成女装电商网站的需求，但这里面还需要大量细节的敲定，比如女装做哪个年龄段、网站需不需要设置登录界面等等。
上下文工程想解决的就是这样一个问题，当用户再给到一个任务时，它能根据你之前上传的各种需求文档、编码、配置信息等内容抓取和任务需求相关的所有文档，相当于从庞大的资料库里精准筛出来了用户想要的资料。再把这些作为上下文，供AI生成的时候参考。在此基础上，AI才能跑出来更满足需求的内容。
无独有偶，腾讯第二天也更新了自家编码助手产品CodeBuddy，这次开启了一个首次内测IDE模式，强调自己“首个AI全栈工程师”的定位。
腾讯把产品优化的重心放在了让包括产品、设计、研发等不同角色在内的用户，不管看不看得懂编码，都能靠AI做个产品出来。
在同样更新PRD生成、上线部署等功能的基础上，CodeBuddy IDE在一些工具部署的细节处下功夫更多，对看不懂编码的开发者也更友好。比如支持把设计师用的Figma格式设计稿一键转化成网站、接入后端部署工具SuperBase等。
当编码之外的一系列开发工具都被合并到AI编码平台上，字节和腾讯的编码助手产品面向的群体也在改变，从程序员，到已经能让开发者只描述需求就能生成可用编码，甚至优化到前后端使用。
如果说字节、腾讯的先后更新是在争夺“国内版Cursor”的地位，那阿里的本次开源则直接剑指编码开发工具运行的基座——模型。
目前，无论是Cursor、字节Trae还是腾讯Codeuddy，海内外AI代码产品都是提供多种模型供用户选择调用。比如Trae国际版支持Claude3.7和GPT-4o等模型，国内版则支持使用DeepSeek-V3、DeepSeek-R1和豆包1.5Pro等模型，腾讯的CodeBuddy则纳入了Claude3.7、Claude4的Sonnet版本、Gemini系列和GPT-4o等。
平台把各种模型集成在选择中，而用户用得最多的，自然也能靠API调用赚到更多的钱。
7月23日凌晨，阿里开源了自研模型Qwen3-Coder，并发布两个闭源模型Qwen3-Coder-Plus、Qwen3-Coder-Plus-2025-07-22，在性能对比上直接拉上了目前海外编码能力最强的模型系列Claude4。
虽然还是无法和顶配Opus性能相比，但和中档模型Claude4Sonnet对比，阿里的开源模型已经能够比肩，甚至在Terminal-Bench（评估AI模型在终端交互任务中性能）、SWE-Bench（评估大模型解决真实软件工程问题能力）等多个指标测试上超过Sonnet。在上下文长度方面，Qwen3-Coder原生支持256k Token上下文长度，且能扩展到1M;相比之下，Claude4Sonnet的上限是200k。
阿里深谙“模型即产品”的定位，在提升AI编程能力的同时，也把重心放在了Agent能力提升上。这样做的好处是让模型也具备拆解任务、规划等能力，从而在模型层也能让AI输出产品，比如做个旋转的地球模型、做个AI小游戏，不过在完整产品能力的部署上，还得依赖平台的配合和优化。
从性能上，Qwen3-Coder已经能作为平替使用，从价格来看，阿里也在靠“上下文长度区间”做定价的区分，试图把价格打下去。其采用阶梯计费模式，最便宜的档次只要4元搞定每百万Token输入、16元每百万Token输出。即使在可以和Claude最长输入长度对标的128-256k档次相比，也达到了每百万输入低50%、每百万输出低60%以上的价格。
卷产品、卷模型，随着三家大厂扎堆发布，这场关于AI 编码的战争，已经代表了一种态度——被看好的AI编码赛道验证了自己的价值，进入大厂准备“摘果实”的阶段。
下半年，海内外决战AI编码
和今年还在初级阶段“开荒”的Agent不同，AI 编码的决战，将在今年下半年打响。
今年3月，OpenAI首席产品官Kevin Weil的判断掷地有声，他预计到2025年底，AI编码将实现99%的自动化。Anthropic CEO Dario Amodei更是大胆预测，3到6个月内，AI将编写90%的编码;12个月内，AI几乎接管所有编码。
结合这几个月的情况来看，这些看似激进的预测，并非空穴来风。比起还在企业内部磨合的各种Agent，这一批AI 编码产品已经开始在企业内部率先试用。
Anthropic公司旗下的Claude Code便是其中的佼佼者。据Anthropic透露，其内部高达80%的编码工作已交由AI完成。他们甚至分享了10个不同团队使用Claude Code的案例，涵盖了从编码生成、调试、重构到测试等多个环节。腾讯这次内测的CodeBuddy IDE也在宣传中注明，内部产品、设计、研发的使用率高达85%。
这些内部大规模应用的案例，共同传递出一个明确的信号——AI 编码已经跨越了“试水”阶段，开始真正被使用起来，而且是一个明显能赚到钱的赛道。
Anthropic开发的AI编程工具Claude Code在短短4个月内就吸引了11.5万开发者用户，据Menlo Ventures风险投资家Deedy Das推测，该产品年收入可达1.3亿美元。字节的Trae则在上线的半年内月活超过100万。
一周内，Claude Code处理了1.95亿代码
没有布局的大厂，要么试图自研，要么靠收购加入。OpenAI试图以30亿美元的巨资收购拥有80万用户的AI编程助手初创公司Windsurf。尽管后来这笔交易告吹，Windsurf的首席执行官被谷歌截胡，但这本身就足以说明AI 编码领域的吸引力，以及巨头们对抢占赛道可能性的渴望。
在可用性得到极大提升的基础上，对比海外，国内这波AI 编码类软件的用户范围试图将用户范围进一步扩大，不再局限于专业的程序员，而是会进一步扩展到更广泛的用户群体。
然而，非程序员之外的开发者真的会是这批产品的受众吗?
目前还难以确定。对于没有基础的用户来说，如果出现编码报错、不合需求的情况，只靠个人来说，跑一个程序出来容易，但跑个满意的成品显然很难。
开源框架Ruby on Rails的创建者David Heinemeier Hansson在播客中分享，“编辑和修正编码的能力建立在你是否具备创作能力之上，就像编辑一本书的人通常也要具备写作能力。”
但可以确定的是，AI 编码现在能卷的不仅仅是质量的提升，一系列的工具嵌入正在大幅压缩开发者的时间。
而在AI 编码这场即将打响的决战中，最大的受益者无疑是模型厂商和云厂商。编码的生成和优化，需要消耗大量的计算资源和模型推理能力，这为背靠自家云设施的大厂们和掌管API的模型开发公司带来了赚钱的机会。
编码对Token的大幅消耗，是一笔利润丰厚的生意。例如，Anthropic向投资者透露，Claude Code目前的年化收入已超过2亿美元，或每月贡献超过1670万美元的营收。这充分说明了AI 编码在商业上的巨大潜力。
国内厂商也纷纷入局，抢占市场份额。
阿里的做法是底座、产品两手抓，进一步抢夺话语权。在“模型即Agent”的今天，阿里发布的自研大模型Qwen3-Coder就是证明。一个性能比肩Claude4Sonnet，价格却对半斩的模型，加上考虑到地缘政治的因素，阿里有希望成为国内编码产品选择模型的“平替”。
免费牌，也是腾讯和字节暗戳戳打出来的竞争手段。腾讯本次发布的CodeBuddy IDE模式的一个卖点就是支持用户免费使用Claude4模型，字节的Trae则早在国际版中就支持了免费用Claude3.7。
然而，在模型成本依然昂贵的情况下，限量开放使用是常态，因此通过邀请码等方式进行裂变，成为大厂们扩大用户群体的常见策略。
烧钱也要赚吆喝，接下来，谁能真正担起“国内Cursor”的称号?
（举报）