1.

OpenAI 的兩大宿敵 Anthropic 和馬斯克，放下心中成見之后終于在月初結(jié)盟了。

在此之前，Anthropic 和馬斯克的關(guān)系并不融洽：今年 2 月，馬斯克還在自己的 X 賬號指責(zé) A 社 「woke」「邪惡」「反人類」（misanthropic），說這家公司「仇視文明」。

事后來看，這次攻擊并非馬斯克清新脫俗的性格使然，而是 Anthropic 所做的某些事情觸碰到他的神經(jīng)，事出有因。

在此之前，xAI 內(nèi)部使用 Cursor 工作，但是今年年初員工發(fā)現(xiàn)，Claude 模型突然在 xAI 的 Cursor 公司賬號里不能使用了。

當(dāng)時還在 xAI 上班的聯(lián)合創(chuàng)始人吳宇懷，在全員信里是這么說的：「 Anthropic 更新了政策，要求 Cursor 不得向其主要競爭對手提供 Claude 模型調(diào)用能力。 」

后來，xAI 整個聯(lián)創(chuàng)團隊都散伙了，實體也跟 SpaceX 合并，成為「SpaceXAI」。但當(dāng)時，吳宇懷在信中寫了一句話，頗為有趣：

「這是壞消息也是好消息。我們的生產(chǎn)力會被影響，但這也敦促我們開發(fā)自己的編碼產(chǎn)品和模型。」

為什么當(dāng)時 xAI 的高層認(rèn)為，開發(fā)自己的編碼產(chǎn)品是關(guān)鍵？

后來發(fā)生的事情，大家都知道了。xAI 的聯(lián)創(chuàng)團隊悉數(shù)跑路，馬斯克一氣之下對 Cursor 使用了鈔能力必殺：

上個月底，SpaceX 和 Cursor 共同宣布，將在編程和知識類工作AI 模型的訓(xùn)練上，展開前所未有的戰(zhàn)略合作；并且，SpaceX 還獲得了以 600 億美元收購 Cursor 的權(quán)利，或向后者支付 100 億美元合作費用。

注意編程這個關(guān)鍵定語，后面還會 call back.

2.

最近，我看了一條 Cursor 早期投資人、Anthropic 大噴子、T3 創(chuàng)始人 Theo Browne 的視頻。

本來點進去是看他噴 A 社和 SpaceX 怎么蠅營狗茍，結(jié)果沒想到，卻看到了關(guān)于 SpaceX + Cursor 合作的，一個既另類卻又極度合理的分析：

不說 600 億的收購，就只說 100 億的合作費——Theo 在視頻里表示，自己認(rèn)為「哪怕只是交換到 Cursor 的用戶數(shù)據(jù)，這 100 億也值回票價了。」

所以是什么數(shù)據(jù)？如果你也去看 Theo 這條視頻，他會講得非常清楚。但為了節(jié)約時間，我們在這里簡單概括一下：

我們和 AI 的對話是一來一回的，你提出問題/需求，他給你解答；coding agent 同理，只不過返回的是代碼。

一次高質(zhì)量的對話，整個過程，包括用戶提示、模型思考、agent 規(guī)劃、輸出代碼、驗證——所有這些東西合起來，可以稱為一個完整的 Agentic Loop——就成為了高價值的訓(xùn)練數(shù)據(jù)，再喂給模型去進行強化學(xué)習(xí)，就能進一步提高模型在實戰(zhàn)場景下的表現(xiàn)水準(zhǔn)。

Cursor 有的， SpaceX 想要的， 就是這些數(shù)據(jù)。

可這些數(shù)據(jù)從哪里來呢？

答案很簡單：作為模型廠商，這種高質(zhì)量數(shù)據(jù)的最直接來源，只能是你自己開發(fā)的 coding agent 產(chǎn)品——也即 Anthropic 的 Claude Code、OpenAI 的 Codex、Kimi 的 Kimi Code。

現(xiàn)在你應(yīng)該明白了，為什么被 Anthropic「封號」之后，吳宇懷會在全員信里提出開發(fā) xAI 自己的 coding 產(chǎn)品和模型這件事了。這件事 xAI 在當(dāng)時已經(jīng)看清楚了：

沒有自己的編碼產(chǎn)品，就沒有高質(zhì)量的強化學(xué)習(xí)數(shù)據(jù)；沒有高質(zhì)量的數(shù)據(jù)，就訓(xùn)練不出真正實戰(zhàn)能力強的 coding 模型。

雖然有點暴論，但現(xiàn)在我們可以點題了：模型廠商想做出來真正能打的編程模型，做自己的 coding agent 產(chǎn)品是唯一的路徑。

3.

大語言模型像個水晶球，用全網(wǎng)的語料訓(xùn)練出來，似乎能夠解答萬物，但并不代表它在所有問題上都能給出高質(zhì)量的答案。

用 GitHub 上數(shù)以億計的代碼條目訓(xùn)練，當(dāng)然也能訓(xùn)練出 coding 模型。這是「學(xué)習(xí)結(jié)果」的邏輯，也是沒問題的。畢竟編碼任務(wù)的結(jié)果是可以驗證的：代碼能不能運行，測試能否通過，結(jié)果擺在那里。

但是，通往結(jié)果的過程，是一個設(shè)計多步驟決策、錯誤糾正、意圖對齊的復(fù)雜鏈條。每一次用戶的接受、拒絕、補全、撤銷、追問、甚至當(dāng)模型好幾次都搞不定或者完全搞錯時的辱罵——都是這一鏈條上的過程信號。

強化學(xué)習(xí)有兩種監(jiān)督方式，一種叫做結(jié)果監(jiān)督，只看最后是否跑通。但是結(jié)果監(jiān)督會催生「獎勵黑客」的現(xiàn)象：模型為了能跑通可能寫出冗余、脆弱、帶邏輯漏洞的代碼，但因為測試過了，模型以為自己學(xué)對了。

而另一種叫做過程監(jiān)督，對推理路徑上的每一步進行打分。上述這些過程信號，只有在 coding agent 運行環(huán)境里才能誕生。GitHub 倉庫里只有結(jié)果，哪怕是去看單獨的提交歷史，看 PR，都找不到有效的過程信號。

在缺乏有效、自主可獲得的過程信號的時候，一些模型廠商會采用「蒸餾」的方式，這個事情大家應(yīng)該已經(jīng)知道了。

蒸餾的邏輯很簡單，給同樣的輸入，老師模型輸出什么，學(xué)生模型就學(xué)著輸出什么。但是通過蒸餾，即便可以獲取到思維鏈，得到的仍然更像是結(jié)果，而非被蒸餾的老師模型內(nèi)部的概率分布。

一旦學(xué)生在推理中偏離了老師的軌跡，哪怕一個 token 不符合，都有可能發(fā)生偏離。

這背后是強化學(xué)習(xí)的基礎(chǔ)限制：策略梯度定理要求，優(yōu)化樣本最好由當(dāng)前正在優(yōu)化的模型自己去產(chǎn)生。這種數(shù)據(jù)叫做 on-policy 數(shù)據(jù)。而通過蒸餾別家模型，在別人的產(chǎn)品里產(chǎn)生的數(shù)據(jù)，來訓(xùn)練自己模型，都屬于 off-policy 數(shù)據(jù)。模型當(dāng)然可以從中學(xué)到東西，但學(xué)不到老師模型內(nèi)部的概率分布信息。

而像 Cursor 這樣自己就是 coding agent 產(chǎn)品的公司，掌握著最真實、有效、高質(zhì)量的訓(xùn)練數(shù)據(jù)。Cursor 產(chǎn)品本身，就是 coding 模型在實戰(zhàn)環(huán)境中的最佳訓(xùn)練場。

我們可以通過 Cursor 年初的「翻車」，來證明這個邏輯。

4.

APPSO 讀者應(yīng)該記得，年初 Cursor 發(fā)布了 Composer 2，號稱「下一代專用編程模型」，技術(shù)報道寫的相對保守，自報家門是新模型，也沒有提供具體的模型底座信息。

結(jié)果很快，網(wǎng)友就在公開代碼片段里發(fā)現(xiàn)了 Kimi 的模型 ID，截圖傳遍了開發(fā)者社群，逼得 Cursor 副總裁 Lee Robinson 出面澄清：「Composer 2 確實是從開源底座出發(fā)的。最終模型大約只有 1/4 的算力來自底座，剩下 3/4 是我們自己訓(xùn)出來的?！箮仔r后，Cursor 聯(lián)創(chuàng) Aman Sanger 也跟著發(fā)了一條道歉：「一開始沒提 Kimi 底座是個失誤?！?/p>

五天后，Cursor 放出了完整的 Composer 2 技術(shù)報告，顯示底座的確是 Kimi K2.5，授權(quán)方則是 Firworks AI，大致流程是在 K2.5 上做訓(xùn)練，再繼續(xù)做大規(guī)模強化學(xué)習(xí)（RL）。

但關(guān)鍵之處在于，Composer 2 的 RL 是運行在真實的 Cursor 會話當(dāng)中，使用與生產(chǎn)部署完全相同的工具和 harness。

Cursor 將這套流程叫做「實時強化學(xué)習(xí)」(real-time RL)，也即將模型的 checkpoint 直接部署到 Cursor 生產(chǎn)環(huán)境中，觀察用戶的響應(yīng)，收集數(shù)據(jù)，聚合成獎勵信號，最快可以每 5 個小時迭代一次模型版本，然后繼續(xù)部署到 Cursor 里，循環(huán)往復(fù)。

最極致的案例是 Cursor 的自動化代碼補全功能 Tab，每天處理超過 4 億次請求，每當(dāng)用戶輸入字符、移動光標(biāo)時，模型都會預(yù)測下一步動作，如果預(yù)測置信度高，則顯示建議，用戶按下 tab 即接受自動補全。

該功能采用的是在線強化學(xué)習(xí)，在行業(yè)內(nèi)極具特色。Cursor 可以以極高的頻率（最快可達每一個半小時到兩小時）更新 Tab 的模型能力給用戶，直接在產(chǎn)品內(nèi)收集 on-policy 數(shù)據(jù)進行訓(xùn)練。

這種高頻、接近實時的反饋回路，讓 Tab 可以學(xué)習(xí)到極其微妙的用戶意圖。Cursor 方面透露，這種方法讓 Tab 建議的拒絕率降低 21%，接受率提高了 28%。

回到 Composer 模型本身。在事情搞清楚了之后，一些 Kimi 員工也刪掉了之前吐槽的的推文，Kimi 官方賬號發(fā)表了祝賀。

一家估值 600 億美元（基于馬斯克給的數(shù)字），不做自己的模型基座的 coding agent 應(yīng)用層公司，仍然可以通過產(chǎn)品自身的數(shù)據(jù)飛輪，RL 出超越基座模型的專有編程模型。

所以預(yù)期說 Cursor 翻了車，不如說這反而是 coding agent 產(chǎn)品重要性的絕佳例證。

Cursor 在另一篇關(guān)于實時 RL 的文章里寫到：「（訓(xùn)練編程模型）最大的困難在于建模用戶。Composer 的生產(chǎn)環(huán)境里不只有執(zhí)行命令的計算機，還有監(jiān)督和指導(dǎo)它的人。模擬計算機容易，模擬使用它的人卻很難。」

這句話，現(xiàn)正在逐漸成為了在編程模型方面走在前沿的模型廠商之間的共識。如果你去看 benchmark 榜單和用戶普遍評價，會發(fā)現(xiàn)哪些頭部的廠商都在發(fā)力做自己的 coding agent/編程產(chǎn)品。區(qū)別只在于誰離用戶更近。

我們以 SWE-bench、LLM-Stats 等相對權(quán)威的榜單為例，Claude、GPT、Gemini、Kimi 等模型基本霸榜前十，清一色都是有自己開發(fā) coding agent 產(chǎn)品（包括 CLI、IDE、集成 coding agent 的桌面客戶端）的模型廠商。

在部分榜單上會出現(xiàn)少數(shù)反例，如 Meta ( Muse Spark) 、Minimax、DeepSeek 等，沒有開發(fā)自己的 coding agent。

不過你會發(fā)現(xiàn)，這些反例模型，在更加接近真實場景、避免污染的更權(quán)威 benchmark 上就很難上榜了。以 DeepSeek 為例，它在 SWE-bench bash only 上分?jǐn)?shù)是 70%，排名第九，在 SWE-bench Pro 上分?jǐn)?shù)卻掉到了 15% 左右。

OpenRouter 的真實流量數(shù)據(jù)可以解釋這種反差：該平臺 2025 年報告顯示，Claude token 消費 80% 以上用于編程和技術(shù)任務(wù)，而 DeepSeek token 消費主要集中于閑聊和角色扮演。

沒有自家 coding 產(chǎn)品的廠商，在一些 coding 任務(wù) benchmark 上能擠進頭部，但在更難的真實工程 benchmark 上，在用戶用 token 消費投票的真實流量中，都會原形畢露。

不僅是 Cursor，Anthropic 在 2025 年 11 月發(fā)的一篇論文里，也明確透露自己在做一模一樣的事情：「我們在 Anthropic 自家的真實生產(chǎn)編程環(huán)境上做訓(xùn)練?！挂布?Anthropic 把自己員工使用 Claude Code 的交互數(shù)據(jù)，反哺給 Claude 模型用來訓(xùn)練。

5.

在 AI 的演進歷程中，生產(chǎn)要素的定義發(fā)生了深刻的位移。 傳統(tǒng)三大核心要素——算力、研究、訓(xùn)練數(shù)據(jù)，雖然在總量上持續(xù)增長，但在結(jié)構(gòu)上已經(jīng)出現(xiàn)了嚴(yán)重的失衡。

今天的各大 AI 巨頭顯著提高了在算力上的資本支出 (CapEx)，讓算力基建成為了當(dāng)前輿論的主旋律。但實際上，特別是在編程范疇內(nèi)，隨著 GitHub 倉庫、StackOverflow 等互聯(lián)網(wǎng)公開代碼數(shù)據(jù)被基模廠商「竭澤而漁」式地利用，模型在代碼生成與邏輯推理上的邊界開始逐漸顯現(xiàn)。

這也是為什么，行業(yè)共識正在逐漸轉(zhuǎn)向一個冉冉升起的新戰(zhàn)略高地：對于任何希望掌握頂級代碼能力的模型廠商而言，建立自有的 coding agent 產(chǎn)品早已不再是可選的商業(yè)路線，而是確保底層模型可以持續(xù)進化的核心生命線。

正如前面 APPSO 論證的那樣，單純學(xué)習(xí)公開數(shù)據(jù)等于只學(xué)習(xí)成功者的結(jié)局，卻無法了解成功的路徑，這絕對不是正確的成功學(xué)應(yīng)該有的樣子。在真實的編程環(huán)境中，知道發(fā)生了什么錯誤、怎樣發(fā)生的、如何正確地理解和高效地實踐需求等等——了解正確過程的價值，遠(yuǎn)超于得到正確結(jié)果本身。

只有擁有自己的編碼產(chǎn)品，模型廠商才能獲取高質(zhì)量的「過程監(jiān)督」信號，從而在編碼/推理能力的下一階段競爭中，確保自己仍有技術(shù)護城河——

否則就不得不像 SpaceXAI 那樣，花錢去跟 coding agent 產(chǎn)品公司去合作。然而并不是所有模型廠商都跟馬斯克一樣有錢，以及 2026 年開始的巨頭勢力劃分、結(jié)盟與領(lǐng)地的爭斗會變得更加激烈，當(dāng)一家缺乏自主 coding 產(chǎn)品的模型廠商終于回過味來的時候，恐怕已經(jīng)沒有足夠的合作伙伴可以挑選，合作的價格也將水漲船高。

美國模型巨頭的情況大家普遍比較熟悉了，在此不贅述。APPSO 也注意到，國內(nèi)的主流模型廠商和 AI 巨頭當(dāng)中，絕大部分都已經(jīng)在 coding agent 產(chǎn)品上有所布局。

國內(nèi)巨頭公司主要以原生 AI IDE 或 IDE 插件的思路在做：字節(jié)跳動去年很早就布局了 TRAE、阿里巴巴的 Qoder、騰訊的 CodeBuddy、百度的文心快碼 Comate 等。

AI 小龍公司中，月之暗面是最早開發(fā)獨立 coding agent 產(chǎn)品的公司，主要以 CLI 界面的 Kimi Code 為主——。

另一種實現(xiàn)思路是模型廠商自行提供 API 服務(wù)、Coding Plan。這樣，不論用戶使用何種 AI 開發(fā)環(huán)境，模型廠商都可以通過服務(wù)器端的 API 記錄來獲取最大程度接近于原生 coding 產(chǎn)品的過程數(shù)據(jù)。

但這也只是接近，并非完全相同。核心在于，服務(wù)器端 API 的請求-響應(yīng)日志，與深度繼承的產(chǎn)品交互軌跡相比仍有很大差距。

自建產(chǎn)品的廠商（例如 Cursor、Claude 桌面端、Codex）擁有最直接的顯式反饋信號，而 API 側(cè)是相對模糊的隱式推斷。簡單來說，API 側(cè)能看到用戶請求和響應(yīng)，但用戶最后是否采納了這段代碼、代碼能否跑通、引發(fā)了什么樣的 bug，API 側(cè)對此是一無所知的。他們無法了解到用戶最終行為這一關(guān)鍵的標(biāo)簽，從而無法實現(xiàn)最高質(zhì)量的強化學(xué)習(xí)。

形而上來講，語言即世界，代碼即方案。代碼可以表達這個世界上絕大多數(shù)的任務(wù)，代碼也會成為頭部的放大器，讓最頂尖的人才放大數(shù)倍的生產(chǎn)力。

只有最頂尖的 coding 模型才配得上最頂尖的人才。如果領(lǐng)先的模型廠商不重視 coding，勢必將會掉出第一梯隊。

當(dāng)然，事實上每家模型廠商都不會不重視 coding——而是說，在新的范式下，哪些沒有自主可控的原生 coding agent 產(chǎn)品，極有可能逐漸落后于有產(chǎn)品的廠商。

就在前幾天，MiniMax也發(fā)布了桌面客戶端產(chǎn)品的重大更新：并且也讓客戶端顯著改善了對 coding 任務(wù)的支持。

此前 MiniMax 只是推出了桌面端，但沒有加入原生 coding 和 agent 功能。

緊接著，在 5 月 15 日，阿里巴巴正式發(fā)布了——這個產(chǎn)品從IDE 的形態(tài)正式升級為一個完整的 Agent 產(chǎn)品（阿里的官方叫法是智能體自主開發(fā)工作臺）。

與此同時，xAI 的 Grok Build CLI，也終于正式推出了。

沒錯，就是 xAI 年初被 Anthropic 和 Cursor 封號之后，他們自己搗鼓出來的那個 coding agent.

這不，又多了好幾個現(xiàn)成的案例。

看來，大家都認(rèn)為 Cursor、Codex 和 Claude 桌面端走在正確的道路上。

6.

把話題從 coding 擴展到 agent 本身，情況也是一樣的。

編碼任務(wù)的軌跡數(shù)據(jù)，在公開語料中確實還是能找到一些的（比如 GitHub 的提交記錄/PR，盡管質(zhì)量并不高）。但是 agent 任務(wù)的軌跡數(shù)據(jù)，包括并不限于移動和點擊鼠標(biāo)、操控觸屏、填寫輸入框等，卻無法在公開語料中找到。

所以我們會看到，即使在 agent 操作的最小實現(xiàn)路徑——瀏覽器插件上，即便是這么個看起來一點都不高端的東西，幾乎每家模型廠商都會做自己的。

OpenAI 早在 2025 年 1 月就做了 Operator——與其說它是一個「AI 自動操作瀏覽器」的產(chǎn)品，不如說本質(zhì)上就是一個大規(guī)模的數(shù)據(jù)收集裝置。每一位試用 Operator 的用戶，都在免費為 OpenAI 提供 on-policy 數(shù)據(jù)。

后續(xù) OpenAI 還衍生出 ChatGPT Agent 以及新版 Codex 桌面端；Anthropic 也是同理；最近 Kimi 不聲不響地也做了一個叫做 WebBridge 的項目，其實就是一個瀏覽器插件。

即便是在過去兩年里動作最克制的中國模型巨頭深度求索，也在最近開始展露出對 Agent 的興趣。

CEO 梁文鋒此前接受采訪時曾經(jīng)提到這樣的觀點： 數(shù)學(xué)和代碼是AGI天然的試驗場，有點像圍棋，是一個封閉的、可驗證的系統(tǒng)，有可能通過自我學(xué)習(xí)就能實現(xiàn)很高的智能。

這句話的潛臺詞，是 DeepSeek 一直把 coding、Agent 當(dāng)研究試驗場，而非商業(yè)化方向。

但是在今年 3 月，DeepSeek 一次性放出了十幾個 Agent 相關(guān)崗位，包括首次出現(xiàn)的模型策略產(chǎn)品經(jīng)理（Agent 方向）等。當(dāng)時的 JD 職責(zé)涵蓋「主導(dǎo) Agent 評測體系以及訓(xùn)練數(shù)據(jù)方案的設(shè)計」，要求中包括「深度使用 Claude Code、Manus」等產(chǎn)品。

APPSO 注意到，近期深度求索發(fā)布了 Agent 產(chǎn)品經(jīng)理、Harness 產(chǎn)品經(jīng)理等職位招聘信息——很顯然，DeepSeek 要做獨立、原生的 Coding/Agent 產(chǎn)品了。

此前資料顯示，DeepSeek V3.2 的訓(xùn)練過程中引入了近兩千個合成的 Agent 訓(xùn)練環(huán)境和八萬多條復(fù)雜指令。但是看起來，靠合成的訓(xùn)練數(shù)據(jù)只能帶 DeepSeek 走到這里了，剩下的是合成不出來的部分：真實用戶在真實環(huán)境里的真實成功和失敗，必須靠自家的 agent 產(chǎn)品才能拿到。

DeepSeek 以一種極度克制的方式做了三年模型以及模型產(chǎn)品（）。但是在今天來看，在編碼類任務(wù)上，DeepSeek 拿 SOTA 越來越難了，即便此前拿到也會在不久后被超越。

當(dāng)助理依靠研究的路徑支撐不住飛輪的時候，DeepSeek 終于行動了。

7.

最后，我們回到開篇的故事。

根據(jù) The Information 報道援引知情人士報道，在接受馬斯克 600 億收購/100 億美元合作的同時，Cursor 表示不會與 xAI 合作開發(fā)新的模型，而是仍將聚焦于優(yōu)化自己的 Composer 模型。

這意味著，即便被馬斯克買通甚至收購，Cursor 仍然要保留自己數(shù)據(jù)飛輪的主體性。

數(shù)據(jù)歸屬的本身，是最關(guān)鍵的隱藏博弈點。

當(dāng)所有頂級模型廠商都做了自己的產(chǎn)品，所有頂級產(chǎn)品也都開始訓(xùn)練自己的模型，「模型公司」和「產(chǎn)品公司」的本就不太清楚的界限，似乎越來越不存在了……

這場博弈也才剛剛開始。

文｜杜晨

參考資料：

Theo - t3.gg: www.youtube.com/watch?v=3pkz-Ie_k_c

Composer 2 技術(shù)報告： cursor.com/cn/blog/composer-2-technical-report

Anthropic 論文：arxiv.org/abs/2511.18397

結(jié)果監(jiān)督 vs 過程監(jiān)督： www.emergentmind.com/topics/process-vs-outcome-supervision

強化學(xué)習(xí)的信號誤差： https://openreview.net/pdf?id=TDfrN1TbGH

關(guān)于自建 or 購買過程數(shù)據(jù)的討論： https://www.reddit.com/r/AI_Agents/comments/1snc116/the_overlooked_trend_of_building_custom_ai_agents/

部分圖片為 AI 生成

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關(guān)鏈接）