大廠正在集火最具 PMF（產品市場契合度）價值的賽道—— AI 編碼。
從 7 月 21 日開始，字節、騰訊、阿里輪番更新 AI 編碼產品和模型：字節已有的 AI 編碼產品 Trae 放出 Solo 版本，加入上下文工程，讓平臺變得更 " 聰明 "；騰訊則把一整套用來部署產品的工具放到其中，做了個 " 全棧工程師 "；阿里更是發布編程大模型 Qwen3-Coder 劍指 Claude 4，直接從模型層下功夫。
在 Cursor 面向中國市場取消了 Anthropic、OpenAI 和 Google 等多家的模型使用后，國內大廠們不僅想做 Cursor 的平替，更是升級開發體驗。它們不再滿足于讓 AI 僅僅充當程序員的 " 副駕駛 "，而是想讓 AI 包攬起 " 產設研 " 一條龍，直接做成品。
和上半年還在讓 AI 當助手、打醬油相比，這一次，AI 編碼已經實現了從輔助程序員生成代碼，到 AI 自主完成生成的飛躍。
AI 編碼 " 三國殺 "，從編碼生成到軟件交付
接連三天的發布中，字節、阿里、騰訊三家大廠先后拿出了能讓 AI 一口氣干完從編碼到成品的工具 / 模型。
這一次的集中更新，AI 開始接管起寫編碼的工作：不僅要寫得質量過關，更是把成品都部署好了。
其中，騰訊和字節對自家編碼產品的更新，重點還是在產品側，畢竟從工程隊到樣板間，中間還隔著很遠，需要靠產品能力補齊。
7 月 21 日，字節宣布更新 Trae Solo 版本，比起聚焦 " 編碼生成 " 的 1.0 階段，新版本跨向了能讓 AI 自主完成 " 軟件交付 " 的 2.0 階段。
在舊的版本中，Trae 在 IDE 界面中編程，其中編程模式有兩種，分別是 Build 模式和 Chat 模式，前者相當于一個傳統編程的 IDE 界面，只需要用戶在右側輸入提示詞，AI 就能自動拆解，按照需求生成大段編碼。相比之下，Chat 模式則更多適用于用戶和 AI 通過聊天的方式，修改編碼、找問題等等，更適用于精細調整上。
2.0 版本的 Trae，在左上角加入了一個模式切換，可以從舊版本的 IDE 模式切換到 Solo 模式。在界面上，AI 對話框被放到了左側，而右側用來放 AI 生成的文檔、編碼信息。
在整合后的界面中，Chat 模式和 Build 模式相當于有機整合在了一起。在官方演示中，AI 演示的功能先拆解起了需求，生成一份產品文檔。緊接著，這個文檔就交給 AI 做下一步拆解，根據里面的詳細需求，AI 開始接著寫起了編碼。
在這個基礎上，Trae 還要讓它完成從部署編碼到提供成品的效果，于是，新版本配置了一系列輔助 Web 開發的工具，包括 PRD（產品需求）文檔、UI 設計、部署上線等，這些工具全都接在了 Solo 模式中的 AI Builder 里。
可以看到，比起以往只是輔助程序員寫編碼的 AI 助手，新版本的 Trae 們已經能讓零基礎編程的開發者用平臺開發出一個完整的產品。
整合界面、開發工具的基礎上，Trae 還在優化 Agent 功能的 Context（上下文工程）上下手，進一步優化產品功能，克服 " 準確理解需求 " 的問題。
此前，對于 Trae 1.0 版本的評價，程序員們的評論口碑兩極分化：一部分人認為確實能提效，另一部分用戶則集中反映了 AI 回復質量的問題——編碼跑出來了，但長度和可用度都存在一定問題，且來來回 回找不到編碼中存在的 Bug，花費的時間變得更多了。
過往使用這些編碼助手類產品時，用戶往往會遇到一個問題，也就是輸入 Prompt（提示詞）之后，跑出來的編碼和需求 " 兩模兩樣 "。比如，雖然給一個生成女裝電商網站的需求，但這里面還需要大量細節的敲定，比如女裝做哪個年齡段、網站需不需要設置登錄界面等等。
上下文工程想解決的就是這樣一個問題，當用戶再給到一個任務時，它能根據你之前上傳的各種需求文檔、編碼、配置信息等內容抓取和任務需求相關的所有文檔，相當于從龐大的資料庫里精準篩出來了用戶想要的資料。再把這些作為上下文，供 AI 生成的時候參考。在此基礎上，AI 才能跑出來更滿足需求的內容。
無獨有偶，騰訊第二天也更新了自家編碼助手產品 CodeBuddy，這次開啟了一個首次內測 IDE 模式，強調自己 " 首個 AI 全棧工程師 " 的定位。
騰訊把產品優化的重心放在了讓包括產品、設計、研發等不同角色在內的用戶，不管看不看得懂編碼，都能靠 AI 做個產品出來。
在同樣更新 PRD 生成、上線部署等功能的基礎上，CodeBuddy IDE 在一些工具部署的細節處下功夫更多，對看不懂編碼的開發者也更友好。比如支持把設計師用的 Figma 格式設計稿一鍵轉化成網站、接入后端部署工具 SuperBase 等。
當編碼之外的一系列開發工具都被合并到 AI 編碼平臺上，字節和騰訊的編碼助手產品面向的群體也在改變，從程序員，到已經能讓開發者只描述需求就能生成可用編碼，甚至優化到前后端使用。
如果說字節、騰訊的先后更新是在爭奪 " 國內版 Cursor" 的地位，那阿里的本次開源則直接劍指編碼開發工具運行的基座——模型。
目前，無論是 Cursor、字節 Trae 還是騰訊 Codeuddy，海內外 AI 代碼產品都是提供多種模型供用戶選擇調用。比如 Trae 國際版支持 Claude 3.7 和 GPT-4o 等模型，國內版則支持使用 DeepSeek-V3、DeepSeek-R1 和豆包 1.5Pro 等模型，騰訊的 CodeBuddy 則納入了 Claude3.7、Claude 4 的 Sonnet 版本、Gemini 系列和 GPT-4o 等。
平臺把各種模型集成在選擇中，而用戶用得最多的，自然也能靠 API 調用賺到更多的錢。
7 月 23 日凌晨，阿里開源了自研模型 Qwen3-Coder，并發布兩個閉源模型 Qwen3-Coder-Plus、Qwen3-Coder-Plus-2025-07-22 , 在性能對比上直接拉上了目前海外編碼能力最強的模型系列 Claude4。
雖然還是無法和頂配 Opus 性能相比，但和中檔模型 Claude 4 Sonnet 對比，阿里的開源模型已經能夠比肩，甚至在 Terminal-Bench（評估 AI 模型在終端交互任務中性能）、SWE-Bench（評估大模型解決真實軟件工程問題能力）等多個指標測試上超過 Sonnet。在上下文長度方面，Qwen3-Coder 原生支持 256k Token 上下文長度，且能擴展到 1M；相比之下，Claude 4 Sonnet 的上限是 200k。
阿里深諳 " 模型即產品 " 的定位，在提升 AI 編程能力的同時，也把重心放在了 Agent 能力提升上。這樣做的好處是讓模型也具備拆解任務、規劃等能力，從而在模型層也能讓 AI 輸出產品，比如做個旋轉的地球模型、做個 AI 小游戲，不過在完整產品能力的部署上，還得依賴平臺的配合和優化。
從性能上，Qwen3-Coder 已經能作為平替使用，從價格來看，阿里也在靠 " 上下文長度區間 " 做定價的區分，試圖把價格打下去。其采用階梯計費模式，最便宜的檔次只要 4 元搞定每百萬 Token 輸入、16 元每百萬 Token 輸出。即使在可以和 Claude 最長輸入長度對標的 128-256k 檔次相比，也達到了每百萬輸入低 50%、每百萬輸出低 60% 以上的價格。
卷產品、卷模型，隨著三家大廠扎堆發布，這場關于 AI 編碼的戰爭，已經代表了一種態度——被看好的 AI 編碼賽道驗證了自己的價值，進入大廠準備 " 摘果實 " 的階段。
下半年，海內外決戰 AI 編碼
和今年還在初級階段 " 開荒 " 的 Agent 不同，AI 編碼的決戰，將在今年下半年打響。
今年 3 月，OpenAI 首席產品官 Kevin Weil 的判斷擲地有聲，他預計到 2025 年底，AI 編碼將實現 99% 的自動化。Anthropic CEO Dario Amodei 更是大膽預測，3 到 6 個月內，AI 將編寫 90% 的編碼；12 個月內，AI 幾乎接管所有編碼。
結合這幾個月的情況來看，這些看似激進的預測，并非空穴來風。比起還在企業內部磨合的各種 Agent，這一批 AI 編碼產品已經開始在企業內部率先試用。
Anthropic 公司旗下的 Claude Code 便是其中的佼佼者。據 Anthropic 透露，其內部高達 80% 的編碼工作已交由 AI 完成。他們甚至分享了 10 個不同團隊使用 Claude Code 的案例，涵蓋了從編碼生成、調試、重構到測試等多個環節。騰訊這次內測的 CodeBuddy IDE 也在宣傳中注明，內部產品、設計、研發的使用率高達 85%。
這些內部大規模應用的案例，共同傳遞出一個明確的信號——AI 編碼已經跨越了 " 試水 " 階段，開始真正被使用起來，而且是一個明顯能賺到錢的賽道。
Anthropic 開發的 AI 編程工具 Claude Code 在短短 4 個月內就吸引了 11.5 萬開發者用戶，據 Menlo Ventures 風險投資家 Deedy Das 推測，該產品年收入可達 1.3 億美元。字節的 Trae 則在上線的半年內月活超過 100 萬。
一周內，Claude Code 處理了 1.95 億代碼
沒有布局的大廠，要么試圖自研，要么靠收購加入。OpenAI 試圖以 30 億美元的巨資收購擁有 80 萬用戶的 AI 編程助手初創公司 Windsurf。盡管后來這筆交易告吹，Windsurf 的首席執行官被谷歌截胡，但這本身就足以說明 AI 編碼領域的吸引力，以及巨頭們對搶占賽道可能性的渴望。
在可用性得到極大提升的基礎上，對比海外，國內這波 AI 編碼類軟件的用戶范圍試圖將用戶范圍進一步擴大，不再局限于專業的程序員，而是會進一步擴展到更廣泛的用戶群體。
然而，非程序員之外的開發者真的會是這批產品的受眾嗎？
目前還難以確定。對于沒有基礎的用戶來說，如果出現編碼報錯、不合需求的情況，只靠個人來說，跑一個程序出來容易，但跑個滿意的成品顯然很難。
開源框架 Ruby on Rails 的創建者 David Heinemeier Hansson 在播客中分享，" 編輯和修正編碼的能力建立在你是否具備創作能力之上，就像編輯一本書的人通常也要具備寫作能力。"
但可以確定的是，AI 編碼現在能卷的不僅僅是質量的提升，一系列的工具嵌入正在大幅壓縮開發者的時間。
而在 AI 編碼這場即將打響的決戰中，最大的受益者無疑是模型廠商和云廠商。編碼的生成和優化，需要消耗大量的計算資源和模型推理能力，這為背靠自家云設施的大廠們和掌管 API 的模型開發公司帶來了賺錢的機會。
編碼對 Token 的大幅消耗，是一筆利潤豐厚的生意。例如，Anthropic 向投資者透露，Claude Code 目前的年化收入已超過 2 億美元，或每月貢獻超過 1670 萬美元的營收。這充分說明了 AI 編碼在商業上的巨大潛力。
國內廠商也紛紛入局，搶占市場份額。
阿里的做法是底座、產品兩手抓，進一步搶奪話語權。在 " 模型即 Agent" 的今天，阿里發布的自研大模型 Qwen3-Coder 就是證明。一個性能比肩 Claude 4 Sonnet，價格卻對半斬的模型，加上考慮到地緣政治的因素，阿里有希望成為國內編碼產品選擇模型的 " 平替 "。
免費牌，也是騰訊和字節暗戳戳打出來的競爭手段。騰訊本次發布的 CodeBuddy IDE 模式的一個賣點就是支持用戶免費使用 Claude 4 模型，字節的 Trae 則早在國際版中就支持了免費用 Claude3.7。
然而，在模型成本依然昂貴的情況下，限量開放使用是常態，因此通過邀請碼等方式進行裂變，成為大廠們擴大用戶群體的常見策略。
燒錢也要賺吆喝，接下來，誰能真正擔起 " 國內 Cursor" 的稱號？
來源：光錐智能
