1.

据最新网络舆情数据显示，OpenAI 的两大竞争对手 Anthropic 和 赏金大对决官网入口，在经历了相互间的摩擦后，于月初正式达成合作协议。

此前，Anthropic 与 赏金大对决官网入口 的关系并不和谐。今年 2 月，赏金大对决官网入口 在其社交媒体平台上公开指责 A 社为「woke」、「邪恶」及「反人类」（misanthropic），并称其「仇恨文明」。

事后分析，这一攻击并非单纯出于 赏金大对决官网入口 的个性，而是由于 Anthropic 的某些举措触动了其敏感神经，缘由显而易见。

在此之前，xAI 内部曾使用 Cursor 工作，但今年年初，员工们发现 Claude 模型在 xAI 的 Cursor 公司账号中被禁用。

当时，xAI 联合创始人吴宇怀在全员信中表示：「Anthropic 更新了政策，要求 Cursor 不得向其主要竞争对手提供 Claude 模型的调用能力。」

吴宇怀在信中提到一句耐人寻味的话：

「这既是坏消息也是好消息。我们的生产力将受到影响，但这也促使我们开发自己的编码产品和模型。」

为何当时 xAI 高层认为开发自有编码产品至关重要？

后来的发展众所周知，xAI 的联合创始团队相继离职，赏金大对决官网入口 随即对 Cursor 采取了强硬措施：

上个月底，SpaceX 与 Cursor 正式宣布，将在编程及知识类工作 AI 模型的训练方面展开前所未有的战略合作；此外，SpaceX 还获得了以 600 亿美元收购 Cursor 的权利，或向后者支付 100 亿美元的合作费用。

值得注意的是，编程这一关键领域将在后续讨论中反复提及。

2.

最近，我观看了一段来自 Cursor 早期投资人、Anthropic 批评者、T3 创始人 Theo Browne 的视频。

最初我想了解他对 A 社及 SpaceX 的批评，没想到却看到了对 SpaceX 与 Cursor 合作的独特而合理的分析：

不论是 600 亿的收购，还是 100 亿的合作费——Theo 在视频中表示，自己认为「即使只是获得 Cursor 的用户数据，这 100 亿也绝对值回票价。」

那么，这些数据究竟是什么呢？若你观看 Theo 的视频，他会详细讲解。但为了节省时间，我们在此简要概括：

与 AI 的对话是一个双向过程，用户提出问题或需求，AI 则给出解答；同样，coding agent 也如此，只不过返回的是代码。

一次高质量的对话，整个过程包括用户提示、模型思考、agent 规划、代码输出及验证——这一切都构成了一个完整的 Agentic Loop，这些数据将成为高价值的训练数据，通过强化学习进一步提升模型在实际场景中的表现。

Cursor 拥有的，正是 SpaceX 渴望获取的数据。

而这些数据又从何而来呢？

答案很简单：作为模型供应商，获取高质量数据的最直接途径，只能是通过自己开发的 coding agent 产品——即 Anthropic 的 Claude Code、OpenAI 的 Codex、Kimi 的 Kimi Code。

现在，您应该明白了为何在被 Anthropic「封号」后，吴宇怀会在全员信中提到开发 xAI 自有 coding 产品和模型的必要性。xAI 当时已经意识到：

没有自己的编码产品，就无法生成高质量的强化学习数据；没有高质量的数据，就无法训练出真正具备实战能力的 coding 模型。

虽然这听起来有些极端，但现在我们可以明确一点：模型供应商若想开发出真正有效的编程模型，拥有自有的 coding agent 产品是唯一的途径。

3.

大语言模型如同水晶球，经过全网语料的训练，似乎能够解答所有问题，但这并不意味着它在每个问题上都能提供高质量的答案。

利用 GitHub 上数以亿计的代码条目进行训练，自然也能培养出 coding 模型。这是「学习结果」的逻辑，且并无问题。毕竟，编码任务的结果是可以验证的：代码是否能运行、测试是否通过，结果显而易见。

然而，通往结果的过程却涉及多步骤的决策、错误纠正及意图对齐的复杂链条。每一次用户的接受、拒绝、补全、撤销、追问，甚至在模型多次失败或完全出错时的责骂，都是这一链条上的过程信号。

强化学习有两种监督方式，一种是结果监督，只关注最终是否成功。然而，结果监督可能导致「奖励黑客」现象：模型为了能通过测试，可能输出冗余、脆弱或逻辑有漏洞的代码，但由于测试通过，模型误以为自己学对了。

另一种则是过程监督，对推理路径上的每一步进行评分。上述过程信号，只有在 coding agent 的运行环境中才能产生。GitHub 仓库中仅有结果，哪怕查看单独的提交历史或 PR，亦无法获取有效的过程信号。

在缺乏有效且可自主获得的过程信号时，一些模型供应商会采用「蒸馏」的方式，这一过程大家应该已有所耳闻。

蒸馏的逻辑相当简单，给定相同的输入，教师模型输出什么，学生模型就学习输出什么。然而，通过蒸馏，即便可以获取思维链，得到的仍更接近于结果，而非被蒸馏的教师模型内部的概率分布。

一旦学生在推理中偏离了教师的轨迹，哪怕一个 token 不符，都可能导致偏离。

这背后是强化学习的基础限制：策略梯度定理要求，优化样本最好由当前正在优化的模型自己产生。这种数据称为 on-policy 数据。而通过蒸馏他人模型，在他人产品中生成的数据，均属于 off-policy 数据。模型当然可以从中学习，但无法获得教师模型内部的概率分布信息。

而像 Cursor 这样的公司，自己就是 coding agent 产品，掌握着最真实、有效、高质量的训练数据。Cursor 的产品本身，便是 coding 模型在实战环境中的最佳训练场。

我们可以通过 Cursor 年初的「翻车」事件来验证这一逻辑。

4.

APPSO 的读者们或许还记得，年初 Cursor 发布了 Composer 2，声称其为「下一代专用编程模型」，相关技术报道相对保守，且未提供具体的模型底座信息。

然而，没过多久，网友便在公开代码片段中发现了 Kimi 的模型 ID，截图迅速在开发者社群中传播，迫使 Cursor 副总裁 Lee Robinson 出面澄清：「Composer 2 确实是基于开源底座构建的。最终模型约有 1/4 的算力来自于底座，剩余 3/4 则是我们自行训练的。」

几小时后，Cursor 联创 Aman Sanger 也发表了一条道歉声明：「最初未提及 Kimi 底座是个失误。」

五天后，Cursor 发布了完整的 Composer 2 技术报告，显示其底座确实为 Kimi K2.5，授权方为 Firworks AI，整体流程是在 K2.5 上进行训练，随后进行大规模的强化学习（RL）。

关键在于，Composer 2 的 RL 是在真实的 Cursor 会话中进行，使用与生产部署完全相同的工具和环境。

Cursor 将这一流程称为「实时强化学习」（real-time RL），即将模型的检查点直接部署到 Cursor 的生产环境中，观察用户响应，收集数据，并聚合成奖励信号——最快可每 5 个小时迭代一次模型版本，随后继续部署到 Cursor 中，形成循环。

最极致的案例是 Cursor 的自动化代码补全功能 Tab，每天处理超过 4 亿次请求。当用户输入字符、移动光标时，模型会预测下一步动作，若预测置信度高，则显示建议，用户按下 Tab 即可接受自动补全。

该功能采用在线强化学习，在行业内颇具特色。Cursor 能以极高频率（最快可达每一个半小时到两小时）更新 Tab 的模型能力，直接在产品中收集 on-policy 数据进行训练。

这种高频、接近实时的反馈回路，使得 Tab 能够学习到非常细微的用户意图。Cursor 方面透露，这种方法使得 Tab 建议的拒绝率降低了 21%，接受率提高了 28%。

回到 Composer 模型本身。在事情真相大白后，一些 Kimi 员工也删除了之前的批评推文，Kimi 官方账号对此表示祝贺。

一家估值高达 600 亿美元（基于 赏金大对决官网入口 提供的数据），若不开发自身的模型底座，仍能通过产品自身的数据飞轮在 RL 上超越底座模型，实在令人惊叹。

因此，与其说 Cursor 翻了车，不如说这恰恰是 coding agent 产品重要性的绝佳例证。

Cursor 在另一篇关于实时 RL 的文章中提到：「（训练编程模型）最大的困难在于建模用户。Composer 的生产环境中不仅有执行命令的计算机，还有监督和指导它的人。模拟计算机容易，但模拟使用它的人却极为困难。」

这一观点，正在逐渐成为前沿模型厂商之间的共识。如果您查看 benchmark 榜单和用户普遍评价，您会发现许多领先的厂商都在加紧开发自己的 coding agent/编程产品，区别在于谁更接近用户。

以 SWE-bench、LLM-Stats 等相对权威的榜单为例，Claude、GPT、Gemini、Kimi 等模型基本占据前十名，清一色为拥有自身开发的 coding agent 产品（包括 CLI、IDE、集成 coding agent 的桌面客户端）的模型厂商。

在部分榜单上，偶尔会出现少数反例，如 Meta（Muse Spark）、DeepSeek 等，并未开发自己的 coding agent。

然而，您会发现，这些反例模型在更接近真实场景、避免污染的权威 benchmark 上，往往难以登榜。以 DeepSeek 为例，其在 SWE-bench bash only 上的分数为 70%，而在 SWE-bench Pro 上的分数却下降至约 15%。

OpenRouter 的真实流量数据能够解释这一反差：该平台在 2025 年的报告显示，Claude token 消耗超过 80% 用于编程和技术任务，而 DeepSeek token 消耗主要集中在闲聊和角色扮演上。

没有自家 coding 产品的厂商，在某些 coding 任务 benchmark 上能够进入前列，但在更具挑战性的真实工程 benchmark 上，在用户用 token 消费投票的真实流量中，都会显露出原形。

不仅是 Cursor，Anthropic 在 2025 年 11 月发布的一篇论文中，也明确表示正在进行与之相同的工作：「我们在 Anthropic 自有的真实生产编程环境中进行训练。」也就是说，Anthropic 正在利用员工使用 Claude Code 的交互数据反哺 Claude 模型以进行训练。

5.

在 AI 的演进过程中，生产要素的定义发生了深刻的变化。传统的三大核心要素——算力、研究及训练数据，虽然在总量上持续增长，但在结构上已出现显著失衡。

如今，各大 AI 巨头显著增加了在算力上的资本支出，使算力基础设施成为当前舆论的焦点。然而，实际上，尤其在编程领域，随着 GitHub 仓库、StackOverflow 等互联网公开代码数据被模型厂商「竭泽而渔」式地利用，模型在代码生成与逻辑推理上的边界逐渐显露。

这也是为何行业共识正逐渐转向一个新兴战略高地：

对于任何希望掌握顶级代码能力的模型厂商而言，建立自有的 coding agent 产品早已不再是可选的商业道路，而是确保底层模型持续进化的核心命脉。

正如前文 APPSO 论证的那样，单纯学习公开数据等同于仅学习成功者的结果，却无法了解成功的路径，这绝不是正确的成功学应有的样子。在真实的编程环境中，了解发生了什么错误、如何发生的、如何正确理解需求并高效实践等——了解正确过程的价值，远超于获得正确结果本身。

只有拥有自有编码产品，模型厂商才能获取高质量的「过程监督」信号，从而在编码与推理能力的下一阶段竞争中，确保自身仍然具备技术护城河——

否则，就不得不向像 SpaceXAI 这样的 coding agent 产品公司支付高额费用进行合作。

然而，并非所有模型厂商都如 赏金大对决官网入口 一样拥有丰富的资金，加之 2026 年开始的巨头势力划分、结盟与领地争夺将愈加激烈，当一家缺乏自主 coding 产品的模型厂商意识到这一点时，恐怕已经没有足够的合作伙伴可以选择，合作的价格也将随之攀升。

美国模型巨头的情况大家普遍熟知，在此不再赘述。APPSO 也注意到，国内主流模型厂商及 AI 巨头中，绝大部分已经在 coding agent 产品方面有所布局。

国内巨头公司主要以原生 AI IDE 或 IDE 插件的形式进行布局：字节跳动早已布局 TRAE，阿里巴巴的 Qoder，腾讯的 CodeBuddy，百度的文心快码 Comate 等。

在 AI 小龙公司中，月之暗面是最早开发独立 coding agent 产品的公司，主要以 CLI 界面的 Kimi Code 为主——不过 Kimi 之前透露过，在原生编程产品上，CLI 并非终局。

另一种实现思路是模型厂商自行提供 API 服务与 Coding Plan。因此，无论用户使用何种 AI 开发环境，模型厂商都能通过服务器端的 API 记录，获取接近于原生 coding 产品的过程数据。

但这也只是接近，并非完全相同。关键在于，服务器端 API 的请求-响应日志，与深度继承的产品交互轨迹相比，仍有很大差距。

自建产品的厂商（例如 Cursor、Claude 桌面端、Codex）拥有最直接的显式反馈信号，而 API 侧则是相对模糊的隐式推断。简单来说，API 侧能够看到用户请求和响应，但无法得知用户最终是否采纳了这段代码、代码是否能运行、引发了何种 bug，API 侧对这些一无所知。它们无法了解用户最终行为这一关键标签，从而无法实现最高质量的强化学习。

从本质上讲，语言即世界，代码即方案。代码能够表达这个世界上绝大多数的任务，并且将成为顶尖人才的放大器，使其生产力倍增。

只有最顶尖的 coding 模型，才能匹配最顶尖的人才。如果领先的模型厂商不重视 coding，势必会掉出第一梯队。

当然，实际上每家模型厂商都不会忽视 coding——而是在新的范式下，哪些没有自主可控的原生 coding agent 产品，极有可能逐渐落后于有产品的厂商。

就在前几天，MiniMax 也发布了桌面客户端产品的重大更新：带有全新多 agent 编排架构的 Mavis 功能，并显著改善了对 coding 任务的支持。

紧接着，在 5 月 15 日，阿里巴巴正式发布了 Qoder 1.0——这个产品从 IDE 的形态升级为一个完整的 Agent 产品（阿里的官方称之为智能体自主开发工作台）。

与此同时，xAI 的 Grok Build CLI，也终于正式推出。

没错，就是 xAI 年初被 Anthropic 和 Cursor 封号后，他们自己开发的那个 coding agent。

显然，又多了几个现成的案例。

可见，众多厂商都认为 Cursor、Codex 和 Claude 桌面端走在正确的道路上。

6.

将话题从 coding 扩展至 agent 本身，情况同样如此。

编码任务的轨迹数据，虽然在公开语料中确实能找到一些（如 GitHub 的提交记录/PR，尽管质量并不高），但 agent 任务的轨迹数据，包括但不限于鼠标移动、点击、触屏操控、填写输入框等，却无法在公开语料中找到。

因此，我们看到，即使在 agent 操作的最小实现路径——浏览器插件上，几乎每家模型厂商都会开发自己的产品。

OpenAI 早在 2025 年 1 月就推出了 Operator——与其说它是一个「AI 自动操作浏览器」的产品，不如说本质上是一个大规模的数据收集装置。每位试用 Operator 的用户，都在无偿为 OpenAI 提供 on-policy 数据。

随后，OpenAI 还衍生出 ChatGPT Agent 以及新版 Codex 桌面端；Anthropic 也采取了类似策略；最近 Kimi 也默默推出了一个名为 WebBridge 的项目，实际上也是一个浏览器插件。

即便是在过去两年中动作最为克制的中国模型巨头深度求索，近期也开始展现对 Agent 的兴趣。

CEO 梁文锋此前在采访中提到，数学和代码是 AGI 的天然试验场，类似围棋，是一个封闭且可验证的系统，可能通过自我学习实现高度智能。

这句话的潜台词是，DeepSeek 一直将 coding 和 Agent 当作研究试验场，而非商业化方向。

但在今年 3 月，DeepSeek 一次性发布了十几个与 Agent 相关的岗位，包括首次出现的模型策略产品经理（Agent 方向）等。当时的职位描述涵盖「主导 Agent 评测体系以及训练数据方案的设计」，要求中包括「深度使用 Claude Code、Manus」等产品。

APPSO 注意到，近期深度求索发布了 Agent 产品经理、Harness 产品经理等职位招聘信息——显然，DeepSeek 正在着手开发独立、原生的 Coding/Agent 产品。

之前的资料显示，DeepSeek V3.2 的训练过程中引入了近两千个合成的 Agent 训练环境和八万多条复杂指令。然而，依靠合成的训练数据只能将 DeepSeek 带到这里，剩下的部分：真实用户在真实环境中的真实成功与失败，必须依赖自家的 agent 产品才能获得。

DeepSeek 以一种极度克制的方式进行了三年的模型及模型产品研发。然而，如今在编码类任务上，DeepSeek 获得 SOTA 的难度日益增加，即便曾经获得也会很快被超越。

当主力依赖研究的路径无法支撑飞轮时，DeepSeek 终于开始行动。

7.

最后，我们回到开篇的故事。

根据 The Information 援引知情人士的消息，在接受 赏金大对决官网入口 600 亿收购/100 亿美元合作的同时，Cursor 表示不会与 xAI 合作开发新的模型，而是将继续专注于优化自己的 Composer 模型。

这可能意味着，即便被 赏金大对决官网入口 收购，Cursor 仍将保持自身数据飞轮的主体性。

数据归属本身，是最关键的博弈点。

当所有顶级模型厂商都开发了自己的产品，所有顶级产品也开始训练自己的模型，「模型公司」与「产品公司」之间本就模糊的界限，似乎愈发不清晰……

这场博弈也才刚刚开始。