1.

OpenAI 的两大夙敌 Anthropic 和马斯克，放下心中意见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 账号数落 A 社「woke」「残酷」「反东说念主类」（misanthropic），说这家公司「仇视端淑」。

过其后看，此次膺惩并非马斯克超群绝类的秉性使然，而是 Anthropic 所作念的某些事情触遭逢他的神经，满腹疑云。

在此之前，xAI 里面使用 Cursor 使命，但是本年年头职工发现，Claude 模子倏得在 xAI 的 Cursor 公司账号里弗成使用了。

那时还在 xAI 上班的吞并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。」

那时，吴宇怀在信中写了一句话，颇为道理：

「这是坏音讯亦然好音讯。咱们的坐蓐力会被影响，但这也敦促咱们开辟我方的编码家具和模子。」

为什么那时 xAI 的高层以为，开辟我方的编码家具是要津？

其后发生的事情，行家都知说念了。xAI 的联创团队统共跑路，马斯克一气之下对 Cursor 使用了钞才略必杀：

上个月底，SpaceX 和 Cursor 共同晓示，将在编程和学问类使命   AI 模子的西宾上，伸开前所未有的计谋相助；何况，SpaceX 还赢得了以 600 亿好意思元收购 Cursor 的职权，或向后者支付 100 亿好意思元相助用度。

贯注编程这个要津定语，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，恶果没料想，却看到了对于 SpaceX + Cursor 相助的，一个既另类却又相等合理的分析：

不说 600 亿的收购，就只说 100 亿的相助费——Theo 在视频里暗示，我方以为「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？若是你也去看 Theo 这条视频，他会讲得荒芜明晰。但为了省俭时候，咱们在这里浅薄抽象一下：

咱们和 AI 的对话是一来一趟的，你提议问题 / 需求，他给你解答；coding agent 同理，只不外复返的是代码。

一次高质料的对话，通盘过程，包括用户辅导、模子念念考、agent 方针、输出代码、考证——通盘这些东西合起来，不错称为一个竣工的 Agentic Loop ——就成为了高价值的西宾数据，再喂给模子去进行强化学习，就能进一步莳植模子在实战场景下的阐述水准。

Cursor 有的，SpaceX 想要的，就是这些数据。

可这些数据从那处来呢？

谜底很浅薄：手脚模子厂商，这种高质料数据的最平直开端，只关联词你我方开辟的 coding agent 家具——也即 Anthropic 的 Claude Code、OpenAI 的 Codex、Kimi 的 Kimi Code。

面前你应该显明了，为什么被 Anthropic「封号」之后，吴宇怀会在全员信里提议开辟 xAI 我方的 coding 家具和模子这件事了。这件事 xAI 在那时依然看明晰了：

莫得我方的编码家具，就莫得高质料的强化学习数据；莫得高质料的数据，就西宾不出真实在战才略强的 coding 模子。

固然有点暴论，但面前咱们不错点题了：模子厂商想作念出来真确能打的编程模子，作念我方的 coding agent 家具是惟一的旅途。

3.

大谈话模子像个水晶球，用全网的语料西宾出来，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料的谜底。

用 GitHub 上数以亿计的代码要求西宾，自然也能西宾出 coding 模子。这是「学习恶果」的逻辑，亦然没问题的。毕竟编码任务的恶果是不错考证的：代码能弗成运行，测试能否通过，恶果摆在那里。

但是，通往恶果的过程，是一个触及多规范决策、纰缪转换、意图对皆的复杂链条。每一次用户的摄取、拆开、补全、拆除、追问、以至当模子好几次都搞不定或者完全搞错时的是曲——都是这一链条上的过程信号。

强化学习有两种监督款式，一种叫作念恶果监督，只看终末是否跑通。但是恶果监督会催生「奖励黑客」的自得：模子为了能跑通可能写出冗余、脆弱、带逻辑瑕玷的代码，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，惟有在 coding agent 运行环境里才调出生。GitHub 仓库里惟有恶果，哪怕是去看单独的提交历史，看 PR，都找不到灵验的过程信号。

在穷乏灵验、自主可赢得的过程信号的时候，一些模子厂商会聘用「蒸馏」的款式，这个事情行家应该依然知说念了。

蒸馏的逻辑很浅薄，给同样的输入，老诚模子输出什么，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恶果，而非被蒸馏的老诚模子里面的概率散布。

一朝学生在推理中偏离了老诚的轨迹，哪怕一个 token 不稳妥，都有可能发生偏离。

这背后是强化学习的基础规章：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，在别东说念主的家具里产生的数据，来西宾我方模子，都属于 off-policy 数据。模子自然不错从中学到东西，但学不到老诚模子里面的概率散布信息。

而像 Cursor 这样我方就是 coding agent 家具的公司，掌捏着最真实、灵验、高质料的西宾数据。Cursor 家具自己，就是 coding 模子在实战环境中的最好西宾场。

咱们不错通过 Cursor 年头的「翻车」，来证据这个逻辑。

4.

APPSO 读者应该牢记，年头 Cursor 发布了 Composer 2，堪称「下一代专用编程模子」，技能报说念写的相对保守，也莫得提供具体的模子底座信息。

恶果很快，网友就在公开代码片断里发现了 Kimi 的模子 ID，截图传遍了开辟者社群，逼得 Cursor 副总裁 Lee Robinson 出头清醒：「Composer 2 确乎是从开源底座动身的。最终模子梗概惟有 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 底座是个纰缪。」

五天后，Cursor 放出了竣工的 Composer 2 技能论说，夸耀底座真实是 Kimi K2.5，授权方则是 Firworks AI，大致过程是在 K2.5 上作念西宾，再陆续作念大规模强化学习（RL）。

但要津之处在于，Composer 2 的 RL 是运行在真实的 Cursor 会话当中，使用与坐蓐部署完全相似的器具和 harness。

Cursor 将这套过程叫作念「及时强化学习」 ( real-time RL ) ，也行将模子的 checkpoint 平直部署到 Cursor 坐蓐环境中，不雅察用户的反映，集聚数据，团聚成奖励信号——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，每天贬责越过 4 亿次央求，每当用户输入字符、移动光标时，模子都会策动下一步动作，若是策动置信度高，则夸耀建议，用户按下 tab 即摄取自动补全。

该功能聘用的是在线强化学习，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，平直在家具内集聚 on-policy 数据进行西宾。

这种高频、接近及时的反馈回路，让 Tab 不错学习到极其巧妙的用户意图。Cursor 方面夸耀，这种要领让 Tab 建议的拆开率镌汰 21%，摄取率莳植了 28%。

回到 Composer 模子自己。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 官方账号发表了祝愿。

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，在线买世界杯平台仍然不错通过家具自身的数据飞轮，RL 出超越基座模子的特有编程模子。

是以与其说 Cursor 翻了车，不如说这反而是 coding agent 家具蹙迫性的绝佳例证。

Cursor 在另一篇对于及时 RL 的著述里写到：「（西宾编程模子）最大的贫乏在于建模用户。Composer 的坐蓐环境里不唯有践诺敕令的猜想机，还有监督和疏导它的东说念主。模拟猜想机容易，模拟使用它的东说念主却很难。」

这句话，现正在慢慢成为了在编程模子方面走在前沿的模子厂商之间的共鸣。若是你去看 benchmark 榜单和用户重大评价，会发现哪些头部的厂商都在发力作念我方的 coding agent/ 编程家具。区别只在于谁离用户更近。

咱们以 SWE-bench、LLM-Stats 等相对泰斗的榜单为例，Claude、GPT、Gemini、Kimi 等模子基本霸榜前十，清一色都是有我方开辟 coding agent 家具（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，莫得开辟我方的 coding agent。

不外你会发现，这些反例模子，在愈加接近真实场景、幸免浑浊的更泰斗 benchmark 上就很难上榜了。以 DeepSeek 为例，它在 SWE-bench bash only 上分数是 70%，排行第九，在 SWE-bench Pro 上分数却掉到了 15% 傍边。

OpenRouter 的真实流量数据不错解释这种反差：该平台 2025 年论说夸耀，Claude token 归天 80% 以上用于编程和技能任务，而 DeepSeek token 归天主要结合于谈天和变装演出。

莫得自家 coding 家具的厂商，在一些 coding 任务 benchmark 上能挤进头部，但在更难的真实工程 benchmark 上，在用户用 token 归天投票的真实流量中，都会原形毕露。

不仅是 Cursor，Anthropic 在 2025 年 11 月发的一篇论文里，也明确夸耀我方在作念一模一样的事情：「咱们在 Anthropic 自家的真实坐蓐编程环境上作念西宾。」也即 Anthropic 把我方职工使用 Claude Code 的交互数据，反哺给 Claude 模子用来西宾。

5.

在 AI 的演进历程中，坐蓐身分的界说发生了深切的位移。传统三大中枢身分——算力、询查、西宾数据，固然在总量上持续增长，但在结构上依然出现了严重的失衡。

今天的各大 AI 巨头显耀莳植了在算力上的本钱支拨 ( CapEx ) ，让算力基建成为了现时公论的主旋律。但履行上，荒芜是在编程范围内，随着 GitHub 仓库、StackOverflow 等互联网公开代码数据被基模厂商「杀鸡取蛋」式地诈骗，模子在代码生成与逻辑推理上的领域初始慢慢显现。

这亦然为什么，行业共鸣正在慢慢转向一个冉冉升空的新计谋高地：

对于任何但愿掌捏顶级代码才略的模子厂商而言，建立自有的 coding agent 家具早已不再是可选的买卖阶梯，而是确保底层模子不错持续进化的中枢地命线。

正如前边 APPSO 论证的那样，单纯学习公开数据等于只学习得手者的结局，却无法了解得手的旅途，这皆备不是正确的得手学应该有的形势。在真实的编程环境中，知说念发生了什么纰缪、如何发生的、如何正确地明白和高效地实践需求等等——了解正确过程的价值，远超于得到正确恶果自己。

惟有领有我方的编码家具，模子厂商才调获取高质料的「过程监督」信号，从而在编码 / 推理才略的下一阶段竞争中，确保我方仍有技能护城河——

不然就不得不像 SpaceXAI 那样，费钱去跟 coding agent 家具公司去相助。

关联词并不是通盘模子厂商都跟马斯克一样有钱，以及 2026 年头始的巨头势力永别、订盟与领地的争斗会变得愈加强烈，当一家穷乏自主 coding 家具的模子厂商终于回过味来的时候，只怕依然莫得弥散的相助伙伴不错挑选，相助的价钱也将情随事迁。

好意思国模子巨头的情况行家重大比较熟谙了，在此不赘述。APPSO 也贯注到，国内的主流模子厂商和 AI 巨头当中，绝大部分都依然在 coding agent 家具上有所布局。

国内巨头公司主要以原生 AI IDE 或 IDE 插件的念念路在作念：字节跳跃旧年很早就布局了 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，月之暗面是最早开辟孤苦 coding agent 家具的公司，主要以 CLI 界面的 Kimi Code 为主——不外 Kimi 此前有夸耀过，在原生编程家具这件事上，CLI 不会是终端。

另一种竣事念念路是模子厂商自行提供 API 职业、Coding Plan。这样，无论用户使用何种 AI 开辟环境，模子厂商都不错通过职业器端的 API 记载来获取最猛进程接近于原生 coding 家具的过程数据。

但这也仅仅接近，并非完全相似。中枢在于，职业器端 API 的央求 - 反映日记，与深度袭取的家具交互轨迹比较仍有很大差距。

自建家具的厂商（举例 Cursor、Claude 桌面端、Codex）领有最平直的显式反馈信号，而 API 侧是相对拖沓的隐式推断。浅薄来说，API 侧能看到用户请乞降反映，但用户终末是否采纳了这段代码、代码能否跑通、激发了什么样的 bug，API 侧对此是一无所知的。他们无法了解到用户最终活动这一要津的标签，从而无法竣事最高质料的强化学习。

形而上来讲，谈话即寰宇，代码即决策。代码不错抒发这个寰宇上绝大重大的任务，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。

惟有最顶尖的 coding 模子才配得上最顶尖的东说念主才。若是最初的模子厂商不疼爱 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疼爱 coding ——而是说，在新的范式下，哪些莫得自主可控的原生 coding agent 家具，极有可能慢慢过时于有家具的厂商。

就在前几天，MiniMax   也发布了桌面客户端家具的紧要更新：带有全新多 agent 编排架构的 Mavis 功能，何况也让客户端显耀改善了对 coding 任务的维持。

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，阿里巴巴认真发布了  Qoder 1.0——这个家具从   IDE 的形态认真升级为一个竣工的 Agent 家具（阿里的官方叫法是智能体自主开辟使命台）。

与此同期，xAI 的 Grok Build CLI，也终于认真推出了。

没错，就是 xAI 年头被 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，行家都以为 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 自己，情况亦然一样的。

编码任务的轨迹数据，在公开语料中确乎如故能找到一些的（比如 GitHub 的提交记载 /PR，尽管质料并不高）。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 操作的最小竣事旅途——浏览器插件上，这样个看起来少许都不高端的东西，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」的家具，不如说本色上就是一个大规模的数据集聚安装。每一位试用 Operator 的用户，都在免费为 OpenAI 提供 on-policy 数据。

后续 OpenAI 还繁衍出 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 的边幅，其实就是一个浏览器插件。

即即是在畴昔两年里动作最克制的中国模子巨头深度求索，也在最近初始展知道对 Agent 的酷好。

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   自然的查验场，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竣事很高的智能。

这句话的潜台词，是 DeepSeek 一直把 coding、Agent 当询查查验场，而非买卖化标的。

但是在本年 3 月，DeepSeek 一次性放出了十几个 Agent 关系岗亭，包括初度出现的模子策略家具司理（Agent 标的）等。那时的 JD 职责涵盖「主导 Agent 评测体系以及西宾数据决策的盘算」，要求中包括「深度使用 Claude Code、Manus」等家具。

APPSO 贯注到，近期深度求索发布了 Agent 家具司理、Harness 家具司理等职位招聘信息——很彰着，DeepSeek 要作念孤苦、原生的 Coding/Agent 家具了。

此前贵府夸耀，DeepSeek V3.2 的西宾过程中引入了近两千个合成的 Agent 西宾环境和八万多条复杂指示。但是看起来，靠合成的西宾数据只可带 DeepSeek 走到这里了，剩下的是合成不出来的部分：真实用户在真实环境里的真实得手和失败，必须靠自家的 agent 家具才调拿到。

DeepSeek 以一种相等克制的款式作念了三年模子以及模子家具（直到上个月才终于在官网加入了多模态才略）。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。

当主力依靠询查的旅途相沿不住飞轮的时候，DeepSeek 终于活动了。

7.

终末，咱们回到开篇的故事。

证据 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 亿好意思元相助的同期，Cursor 暗示不会与 xAI 相助开辟新的模子，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至收购，Cursor 仍然要保留我方数据飞轮的主体性。

数据包摄的自己，是最要津的讳饰博弈点。

当通盘顶级模子厂商都作念了我方的家具，通盘顶级家具也都初始西宾我方的模子，「模子公司」和「家具公司」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在线买世界杯平台。