1.

OpenAI 的两大夙敌 Anthropic 和马斯克，放下心中见识之后终于在月初缔盟了。

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 账号责骂 A 社「woke」「焦急」「反东说念主类」（misanthropic），说这公司「仇视文静」。

过自后看，此次挫折并非马斯克超世绝伦的格使然，而是 Anthropic 所作念的某些事情触遭遇他的神经，千真万确。

在此之前，xAI 里面使用 Cursor 职责，但是本年龄首职工发现，Claude 模子瞬息在 xAI 的 Cursor 公司账号里不成使用了。

其时还在 xAI 上班的集结首创东说念主吴宇怀，在全员信里是这样说的：「Anthropic 新了政策，要求 Cursor 不得向其主要竞争敌手提供 Claude 模子调用智商。」

其时，吴宇怀在信中写了句话，颇为真谛：

「这是坏音书亦然好音书。咱们的分娩力会被影响，但这也敦促咱们开荒我方的编码家具和模子。」

为什么其时 xAI 的层觉得，开荒我方的编码家具是关节？

自后发生的事情，大都知说念了。xAI 的联创团队总共跑路，马斯克气之下对 Cursor 使用了钞智商必：

上个月底，SpaceX 和 Cursor 共同宣布，将在编程和学问类职责   AI 模子的熏陶上，伸开前所未有的计谋互助；何况，SpaceX 还得回了以 600 亿好意思元收购 Cursor 的权力，或向后者支付 100 亿好意思元互助用度。

拦截编程这个关节定语，后头还会 call back.

2.

近，我看了条 Cursor 早期投资东说念主、Anthropic 大喷子、T3 首创东说念主 Theo Browne 的。

蓝本点进去是看他喷 A 社和 SpaceX 若何蝇营狗苟，着力没料到，却看到了对于 SpaceX + Cursor 互助的，个既另类却又度合理的分析：

不说 600 亿的收购，就只说 100 亿的互助费——Theo 在里暗意，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？若是你也去看 Theo 这条，他会讲得异常走漏。但为了从简时分，咱们在这里简便轮廓下：

咱们和 AI 的对话是往来的，你建议问题 / 需求，他给你解答；coding agent 同理，只不外复返的是代码。

次质地的对话，统统这个词过程，包括用户领导、模子念念考、agent 计议、输出代码、考据——统统这些东西合起来，不错称为个圆善的 Agentic Loop ——就成为了价值的熏陶数据，再喂给模子去进行强化学习，就能擢升提模子在实战场景下的发挥水准。

Cursor 有的，SpaceX 想要的，就是这些数据。

可这些数据从那里来呢？

谜底很简便：算作模子厂商，这种质地数据的告成开端，只但是你我方开荒的 coding agent 家具——也即 Anthropic 的 Claude Code、OpenAI 的 Codex、Kimi 的 Kimi Code。

当今你应该赫然了，为什么被 Anthropic「封号」之后，吴宇怀会在全员信里建议开荒 xAI 我方的 coding 家具和模子这件事了。这件事 xAI 在其时也曾看走漏了：

莫得我方的编码家具，就莫得质地的强化学习数据；莫得质地的数据，就熏陶不出确凿实战智商强的 coding 模子。

天然有点暴论，但当今咱们不错点题了：模子厂商想作念出来确凿能的编程模子，作念我方的 coding agent 家具是唯的旅途。

3.乐东设备保温施工

大谈话模子像个水晶球，用全网的语料熏陶出来，似乎大略解答万物，但并不代表它在统统问题上都能给出质地的谜底。

用 GitHub 上数以亿计的代码条件熏陶，天然也能熏陶出 coding 模子。这是「学习着力」的逻辑，亦然没问题的。毕竟编码任务的着力是不错考据的：代码能不成运行，测试能否通过，着力摆在那里。

但是，通往着力的过程，是个波及多依次有筹商、特地翻新、意图对皆的复杂链条。每次用户的罗致、拒、补全、取销、追问、致使当模子好几次都搞不定或者搞错时的口舌——都是这链条上的过程信号。

强化学习有两种监督式，种叫作念着力监督，只看后是否跑通。但是着力监督会催生「励黑客」的风光：模子为了能跑通可能写出冗余、脆弱、带逻辑缝隙的代码，但因为测试过了，模子以为我方学对了。

而另种叫作念过程监督，对理旅途上的每步进行分。上述这些过程信号，唯有在 coding agent 运行环境里材干出身。GitHub 仓库里唯有用率，哪怕是去看单的提交历史，看 PR，都找不到有的过程信号。

在缺少有、自主可得回的过程信号的时候，些模子厂商会取舍「蒸馏」的式，这个事情大应该也曾知说念了。

蒸馏的逻辑很简便，给不异的输入，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，得到的仍然接近于着力，而非被蒸馏的老诚模子里面的概率散布。

旦学生在理中偏离了老诚的轨迹，哪怕个 token 不相宜，都有可能发生偏离。

这背后是强化学习的基础截至：策略梯度定理要求，化样本好由现时正在化的模子我方去产生。这种数据叫作念 on-policy 数据。而通过蒸馏别模子，在别东说念主的家具里产生的数据，来熏陶我方模子，都属于 off-policy 数据。模子天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，掌持着真实、有、质地的熏陶数据。Cursor 家具自身，就是 coding 模子在实战环境中的佳熏陶场。

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「下代用编程模子」，技艺报说念写的相对保守，也莫得提供具体的模子底座信息。

着力很快，网友就在公开代码片断里发现了 Kimi 的模子 ID，截图传遍了开荒者社群，逼得 Cursor 总裁 Lee Robinson 出头深化：「Composer 2 照实是从开源底座动身的。终模子大致唯有 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 也随着发了条说念歉：「启动没提 Kimi 底座是个诞妄。」

五天后，Cursor 放出了圆善的 Composer 2 技艺讲述，示底座果然是 Kimi K2.5，授权则是 Firworks AI，大致历程是在 K2.5 上作念熏陶，再不绝作念大规模强化学习（RL）。

但关节之处在于，Composer 2 的 RL 是运行在真实的 Cursor 会话当中，使用与分娩部署相通的器用和 harness。

Cursor 将这套历程叫作念「及时强化学习」 ( real-time RL ) ，也行将模子的 checkpoint 告成部署到 Cursor 分娩环境中，不雅察用户的反应，麇集数据，团员成励信号——快不错每 5 个小时迭代次模子版块，然后不绝部署到 Cursor 里，周而复始。

致的案例是 Cursor 的自动化代码补全 Tab，每天措置过 4 亿次肯求，每当用户输入字符、移动光标时，模子都会推断下步动作，若是推断置信度，则示建议，用户按下 tab 即罗致自动补全。

该取舍的是在线强化学习，在行业内具特。Cursor 不错以的频率（快可达每个半小时到两小时）新 Tab 的模子智商给用户，告成在家具内麇集 on-policy 数据进行熏陶。

这种频、接近及时的反馈回路，让 Tab 不错学习到其精巧的用户意图。Cursor 面浮现，这种法让 Tab 建议的拒率缩小 21，罗致率提了 28。

回到 Composer 模子自身。在事情搞走漏了之后，些 Kimi 职工也删掉了之前吐槽的的文，Kimi 官账号发表了道喜。

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，仍然不错通过家具自身的数据飞轮，RL 出越基座模子的有编程模子。

是以与其说 Cursor 翻了车，不如说这反而是 coding agent 家具热切的佳例证。

Cursor 在另篇对于及时 RL 的著作里写到：「（熏陶编程模子）大的贫乏在于建模用户。Composer 的分娩环境里不惟有履行敕令的狡计机，铁皮保温施工还有监督和指它的东说念主。模拟狡计机容易，模拟使用它的东说念主却很难。」

这句话乐东设备保温施工，现正在逐步成为了在编程模子面走在前沿的模子厂商之间的共鸣。若是你去看 benchmark 榜单和用户渊博评价，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近。

咱们以 SWE-bench、LLM-Stats 等相对的榜单为例，Claude、GPT、Gemini、Kimi 等模子基本霸榜前十，清都是有我方开荒 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，莫得开荒我方的 coding agent。

不外你会发现，这些反例模子，在加接近真实场景、避混浊的 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 年报文牍，Claude token 耗尽 80 以上用于编程和技艺任务，而 DeepSeek token 耗尽主要麇集于闲话和角演出。

莫得自 coding 家具的厂商，在些 coding 任务 benchmark 上能挤进头部，但在难的真实工程 benchmark 上，在用户用 token 耗尽投票的真实流量中，都会原形毕露。

不仅是 Cursor，Anthropic 在 2025 年 11 月发的篇论文里，也明确浮现我方在作念神情的事情：「咱们在 Anthropic 自的真实分娩编程环境上作念熏陶。」也即 Anthropic 把我方职工使用 Claude Code 的交互数据，反哺给 Claude 模子用来熏陶。

5.

在 AI 的演进历程中，分娩身分的界说发生了刻的位移。传统三大中枢身分——算力、盘考、熏陶数据，天然在总量上继续增长，但在结构上也曾出现了严重的失衡。

今天的各大 AI 巨头著提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。但执行上，越过是在编程限制内，随着 GitHub 仓库、StackOverflow 等互联网公开代码数据被基模厂商「涸泽而渔」式地专揽，模子在代码生成与逻辑理上的鸿沟启动逐步现。

这亦然为什么，行业共鸣正在逐步转向个冉冉腾飞的新计谋地：

对于任何但愿掌持顶代码智商的模子厂商而言，树立自有的 coding agent 家具早已不再是可选的买卖路子，而是确保底层模子不错继续进化的中枢肠命线。

正如前边 APPSO 论证的那样，单纯学习公开数据等于只学习收效者的结局，却法了解收效的旅途，这对不是正确的收效学应该有的神情。在真实的编程环境中，知说念发生了什么特地、如何发生的、如何正确地剖释和地实践需求等等——了解正确过程的价值，远于得到正确着力自身。

唯有领有我方的编码家具，模子厂商材干获取质地的「过程监督」信号，从而在编码 / 贤慧商的下阶段竞争中，确保我方仍有技艺护城河——

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

然而并不是统统模子厂商都跟马斯克样有钱，以及 2026 年启动的巨头势力区别、缔盟与地的争斗会变得加浓烈，当缺少自主 coding 家具的模子厂商终于回过味来的时候，只怕也曾莫得饱和的互助伙伴不错挑选，互助的价钱也将水涨船。

好意思国模子巨头的情况大渊博比较纯熟了，在此不赘述。APPSO 也拦截到，国内的主流模子厂商和 AI 巨头当中，大部分都也曾在 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：字节向上客岁很早就布局了 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，月之暗面是早开荒立 coding agent 家具的公司，主要以 CLI 界面的 Kimi Code 为主——不外 Kimi 此前有浮现过，在原生编程家具这件事上，CLI 不会是结尾。

另种完了念念路是模子厂商自行提供 API 奇迹、Coding Plan。这样，无论用户使用何种 AI 开荒环境，模子厂商都不错通过奇迹器端的 API 记载来获取猛进度接近于原生 coding 家具的过程数据。

但这也仅仅接近，并非相通。中枢在于，奇迹器端 API 的肯求 - 反应日记，与度承袭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）领有告成的式反馈信号，而 API 侧是相对隐隐的隐式断。简便来说，API 侧能看到用户请乞降反应，但用户后是否取舍了这段代码、代码能否跑通、激励了什么样的 bug，API 侧对此是所知的。他们法了解到用户终行径这关节的标签，从而法完了质地的强化学习。

形而上来讲，谈话即天下，代码即案。代码不错抒发这个天下上大多量的任务，代码也会成为头部的放大器，让顶的东说念主才放大数倍的分娩力。

唯有顶的 coding 模子才配得上顶的东说念主才。若是先的模子厂商不怜爱 coding，例必将会掉出梯队。

天然，事实上每模子厂商都不会不怜爱 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，有可能逐步逾期于有家具的厂商。

就在前几天，MiniMax   也发布了桌面客户端家具的要紧新：带有全新多 agent 编排架构的 Mavis ，何况也让客户端著了对 coding 任务的辅助。

此前 MiniMax 仅仅出了桌面端，但莫得加入原生 coding 和 agent 。

紧接着，在 5 月 15 日，阿里巴巴崇敬发布了  Qoder 1.0——这个家具从   IDE 的花式崇敬升为个圆善的 Agent 家具（阿里的官叫法是智能体自主开荒职责台）。

与此同期，xAI 的 Grok Build CLI，也终于崇敬出了。

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，大都觉得 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，情况亦然样的。

编码任务的轨迹数据，在公开语料中照实照旧能找到些的（比如 GitHub 的提交记载 /PR，尽管质地并不）。但是 agent 任务的轨迹数据，包括并不限于移动和鼠标、操控触屏、填写输入框等，却法在公开语料中找到。

是以咱们会看到，即使在 agent 操作的小完了旅途——浏览器插件上，这样个看起来点都潦草的东西，简直每模子厂商都会作念我方的。

OpenAI 早在 2025 年 1 月就作念了 Operator ——与其说它是个「AI 自动操作浏览器」的家具，不如说本色上就是个大规模的数据麇集装配。每位试用 Operator 的用户，都在费为 OpenAI 提供 on-policy 数据。

后续 OpenAI 还养殖出 ChatGPT Agent 以及新版 Codex 桌面端；Anthropic 亦然同理；近 Kimi 不声不吭地也作念了个叫作念 WebBridge 的名堂，其实就是个浏览器插件。

即等于在以前两年里动作克制的模子巨头度求索，也在近启动展露馅对 Agent 的兴趣。

CEO 梁文锋此前罗致采访时也曾提到这样的不雅点：数学和代码是   AGI   的磨真金不怕火场，有点像围棋，是个阻塞的、可考据的系统，有可能通过自我学习就能完了很的智能。

这句话的潜台词，是 DeepSeek 直把 coding、Agent 当盘考磨真金不怕火场，而非买卖化向。

但是在本年 3 月，DeepSeek 次放出了十几个 Agent 磋议岗亭，包括次出现的模子策略家具司理（Agent 向）等。其时的 JD 职责涵盖「主 Agent 评测体系以及熏陶数据案的想象」，要求中包括「度使用 Claude Code、Manus」等家具。

APPSO 拦截到，近期度求索发布了 Agent 家具司理、Harness 家具司理等职位招聘信息——很然，DeepSeek 要作念立、原生的 Coding/Agent 家具了。

此前长途示，DeepSeek V3.2 的熏陶过程中引入了近两千个合成的 Agent 熏陶环境和八万多条复杂指示。但是看起来，靠合成的熏陶数据只可带 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收效和失败，必须靠自的 agent 家具材干拿到。

DeepSeek 以种度克制的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智商）。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越。

当主力依靠盘考的旅途守旧不住飞轮的时候，DeepSeek 终于行动了。

7.

后，咱们回到开篇的故事。

把柄 The Information 征引知情东说念主士报说念，在罗致马斯克 600 亿收购 /100 亿好意思元互助的同期，Cursor 暗意不会与 xAI 互助开荒新的模子，而是仍将聚焦于化我方的 Composer 模子。

这可能意味着，即便被马斯克打通致使收购，Cursor 仍然要保留我方数据飞轮的主体。

数据包摄的自身，是关节的隐蔽博弈点。

当统统顶模子厂商都作念了我方的家具，统统顶家具也都启动熏陶我方的模子，「模子公司」和「家具公司」之间本就不太走漏的界限，似乎越来越不存在了……

这场博弈也才刚刚启动。

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。