字节、腾讯、阿里：AI编码之战的巅峰对决

文 | 光锥智能，作者 | 魏琳华，编辑 | 王一粟

最近，大公司们纷纷盯上了AI编码这个最有潜力的赛道。

从7月21日起，字节、腾讯、阿里接连推出AI编码的产品和模型：字节的AI编码产品Trae发布了Solo版本，增加了上下文处理的功能，让平台更智能；腾讯则推出了一整套工具，变身为“全栈工程师”；阿里发布了大模型Qwen3-Coder，直指Claude 4，直接从模型入手。

尤其是Cursor在中国市场取消了与Anthropic、OpenAI和Google等公司的模型合作后，国内的大厂们不仅要追赶Cursor，甚至希望能提升开发体验。他们不再满足于让AI充当程序员的“助手”，而是希望AI能从头到尾负责“生产、设计和研发”，直接输出成品。

与上半年让AI当助手、偶尔帮忙相比，现在的AI编码已经实现了从辅助程序员生成代码到AI自主完成生成的飞跃，真是进步神速呀。

AI编码“三国杀”，从编码生成到软件交付

在连续三天的发布中，字节、阿里、腾讯三家公司相继推出了能够让AI完成从编码到成品的工具和模型。

这次的更新中，AI开始接手编码的工作：不仅要求代码质量，还要能够完成成品的部署。

特别是腾讯和字节对自家编码产品的更新，还是侧重于产品本身，毕竟从工程师到最终产品，还有一段路要走，需要通过产品能力来弥补。

7月21日，字节宣布更新Trae Solo版本，从专注于“编码生成”的1.0阶段跃升至能够让AI自主完成“软件交付”的2.0阶段。

在旧版本中，Trae通过IDE界面进行编程，提供了Build模式和Chat模式两种编程方式：前者像个传统的IDE界面，用户在右侧输入提示，AI就能自动拆解并生成代码；而Chat模式则适合用户和AI通过对话进行编码修改、问题查找等，便于细致调整。

Trae 2.0版本在左上角增加了模式切换，可以从旧版的IDE模式切换到Solo模式。在界面上，AI的对话框在左侧，而右侧则展示AI生成的文档和编码信息。

整合后的界面中，Chat模式和Build模式实现了有机结合。在官方演示中，AI先是拆解了需求，生成了一份产品文档。随后，这个文档又交给AI进行下一步拆解，按照详细需求继续生成编码。

在此基础上，Trae还要完成从编码部署到提供成品的任务，因此，新版本配备了一系列辅助Web开发的工具，包括PRD（产品需求）文档、UI设计、上线等，这些工具全都整合在Solo模式的AI Builder里。

可以看出，与以往只是辅助程序员的AI助手相比，新版本的Trae已经能让没有编程基础的开发者通过平台打造出一个完整的产品。

在整合界面和开发工具的基础上，Trae还在优化Agent功能的上下文处理，进一步提升产品功能，解决“准确理解需求”的难题。

对于Trae 1.0版本，程序员们的评价两极化：一些人认为能提高效率，但也有不少用户反映AI输出的质量问题——虽然代码生成了，但长度和实用性都不尽如人意，常常让人找不到编码中的Bug，反而浪费了更多时间。

不少用户在使用这些编码助手时，会遇到一个困扰：输入提示词后，生成的编码和需求完全不符。例如，虽然要求生成一个女装电商网站，但其中还有许多细节需要确认，比如针对哪个年龄段的女装、网站是否需要设置登录界面等。

上下文处理旨在解决这一问题。当用户给出一个新任务时，它能够根据之前的需求文档、编码和配置信息等内容，精准筛选出与任务相关的资料，仿佛从庞大的信息库中提炼出用户需要的内容。这样，AI才能生成更符合需求的结果。

有趣的是，腾讯第二天也更新了自己的编码助手产品CodeBuddy，开启了首次内测的IDE模式，明确提出自己是“首个AI全栈工程师”。

腾讯的产品优化重心在于让不同角色的用户，包括产品、设计和研发等，无论是否懂编码，都能通过AI完成产品的设计。

在更新了PRD生成、上线部署等功能的基础上，CodeBuddy IDE在一些工具的细节上更加用心，特别是为了那些不懂编码的开发者更加友好。例如，它支持将设计师使用的Figma格式设计稿一键转换为网站，并接入后端部署工具SuperBase等。

随着与编码相关的开发工具被整合到AI编码平台上，字节和腾讯的编码助手产品的目标用户也在变化，从程序员扩展到可以仅通过描述需求生成可用编码的开发者，甚至优化到前后端的使用。

如果说字节和腾讯的更新是在争夺“国内版Cursor”的地位，那么阿里的开源则直指编码开发工具的基础——模型。

现在，无论是Cursor、字节Trae还是腾讯CodeBuddy，海外的AI代码产品都提供多种模型供用户选择。例如，Trae的国际版支持Claude 3.7和GPT-4o等模型，国内版则支持DeepSeek-V3、DeepSeek-R1和豆包1.5Pro等，腾讯的CodeBuddy则涵盖Claude 3.7、Claude 4的Sonnet版本、Gemini系列和GPT-4o等。

平台将各种模型整合在一起，用户使用得越多，自然也能通过API调用获得更多收益。

7月23日凌晨，阿里开源了自研模型Qwen3-Coder，并发布了两个闭源模型Qwen3-Coder-Plus、

标题：阿里新模型Qwen3-Coder-Plus强势打击，AI编码战火重燃！

Qwen3-Coder-Plus在性能上已经能够直接和当前海外最强的编码模型Claude4较量了。虽然跟顶级的Opus相比还有差距，但在与Claude 4 Sonnet的较量中，阿里的开源模型已经表现得相当出色，甚至在Terminal-Bench（终端交互任务性能评估）和SWE-Bench（大模型解决软件工程问题能力评估）等多个指标上超越了Sonnet。

说到上下文长度，Qwen3-Coder原生就支持256k Token，甚至可以扩展到1M，而Claude 4 Sonnet的上限只有200k，真是天壤之别。

阿里在“模型即产品”这个理念上可是下了不少功夫，除了提升AI的编程能力外，还注重Agent能力的提升。这种做法的好处在于，模型不仅能执行任务，还能进行规划、拆解任务，甚至能输出一些实际的产品，比如旋转的地球模型或AI小游戏，不过要实现这些完整的产品功能，还得依赖平台的优化和配合。

从性能来看，Qwen3-Coder已经可以作为不错的替代品。而在定价上，阿里也通过“上下文长度区间”来区分价格，试图让价格更具竞争力。它采用了阶梯计费模式，最便宜的价格只需4元每百万Token输入，输出则是16元每百万Token。就算是与Claude的128-256k输入长度相比，Qwen3-Coder的价格也低了50%到60%不等，真是划算。

随着三大巨头纷纷推出新产品，AI编码的竞争已经热火朝天，显示出这条赛道的巨大价值，大家都准备在这场“摘果实”的战斗中大展身手。

下半年，海内外AI编码决战将至

与今年早些时候还在摸索阶段的Agent不同，AI编码的真正较量将在下半年展开。

今年3月，OpenAI的首席产品官Kevin Weil就曾做出一个大胆预测，他认为到2025年底，AI编码将实现99%的自动化。Anthropic的CEO Dario Amodei也放言，未来3到6个月内，AI将能完成90%的编码任务；而在12个月内，几乎所有的编码工作都将由AI接管。

从最近几个月的情况来看，这些看似激进的预测并不是毫无根据。在企业内部，AI编码产品已经开始投入使用，走出试水阶段。

比如，Anthropic的Claude Code就表现得相当抢眼。该公司表示，内部高达80%的编码工作都是由AI完成的，还分享了十个不同团队使用Claude Code的案例，涉及编码生成、调试、重构和测试等多个环节。而腾讯最新内测的CodeBuddy IDE也表示，内部产品和研发的使用率高达85%。

这些大规模的内部应用传达出一个明确的信号——AI编码已经不再是“试水”，而是真正被广泛应用的领域，并且显然是一个有利可图的赛道。

Anthropic开发的AI编程工具Claude Code在短短四个月内就吸引了11.5万名开发者，Menlo Ventures的投资者Deedy Das预计，该产品的年收入可达到1.3亿美元。字节跳动旗下的Trae在上线半年的时间内，月活跃用户也突破了100万。

在短短一周内，Claude Code就处理了1.95亿行代码。

那些未能布局的大厂，或者是尝试自研，或者是通过收购来入局。OpenAI曾试图以30亿美元的价格收购拥有80万用户的AI编程助手初创公司Windsurf，虽然这笔交易最终告吹，但足以说明AI编码领域的吸引力，以及巨头们对抢占市场的渴望。

在可用性明显提高的基础上，国内AI编码软件的用户范围也在不断扩大，不再仅限于专业程序员，而是希望覆盖更广泛的用户群体。

不过，非程序员真的会成为这些产品的主要用户吗？这还有待观察。对于没有编码基础的人来说，如果出现错误或不符合需求的情况，单靠个人很难调试出满意的结果。

AI编码的未来：谁是赢家？

Ruby on Rails的创始人David Heinemeier Hansson曾在播客上提到，“你能否编辑和修正代码，往往取决于你是否具备创作的能力，正如编辑一本书的人一般也要会写作。”

但有一点是毋庸置疑的，那就是AI编码不仅仅在提升质量方面发力，实际上，很多新工具的加入正在让开发者的工作效率大幅提升。

在这场即将展开的AI编码竞争中，最大的赢家无疑是那些模型和云服务提供商。生成和优化代码需要消耗大量的计算资源，这对那些拥有强大云基础设施的大公司和提供API的模型开发商来说，简直是个金矿。

代码生成所消耗的Token数量，真的是一笔可观的利润。以Anthropic为例，其Claude Code的年收入已超过2亿美元，月收入则达到1670多万美元，这充分展示了AI编码在商业领域的巨大潜力。

国内的企业也开始积极布局，争夺市场份额。

阿里巴巴采取的是双管齐下的策略，既注重基础架构，又推出产品，以此来增强自身的话语权。如今在“模型即Agent”的时代，阿里自研的大模型Qwen3-Coder便是一个很好的例子。这个模型的性能与Claude 4 Sonnet相当，但价格却低了一半，考虑到地缘政治的因素，阿里有望成为国内编码产品的“平价选择”。

而腾讯和字节跳动则用“免费策略”进行暗中竞争。腾讯最近推出的CodeBuddy IDE模式，用户可以免费使用Claude 4模型；字节跳动的Trae在国际版中早早就支持了免费使用Claude 3.7。

不过在模型成本依然偏高的情况下，限量开放的策略成为常态，通过邀请码等方式扩大用户群体成为大厂们的常见手法。

就算是烧钱也要引起关注，接下来，谁能真正称得上“国内Cursor”的领军者呢？