过去一年，Claude大概是AI Coding领域存在感最强的名字之一。
Claude 3.7之后，Claude 4、Claude 4.5再到后续模型，Anthropic几乎一直占据着编程模型第一梯队的位置。Claude Code的出现，又进一步放大了Claude模型在真实软件开发中的优势。从最初在Terminal里写代码，到后来增加Plan、Sub-agent、Skills、Hooks等能力，Claude Code逐渐从一个命令行工具变成完整的Coding Agent。
Codex也是类似的路径。随着GPT模型能力不断提高，OpenAI也开始把重点从“模型会不会写代码”，转向如何让模型独立完成一个完整的软件开发任务。
这两个产品很快成为AI编程领域的标杆，也让很多开发者开始产生一种过去很少有过的依赖。
这种依赖不是因为品牌忠诚，而是生产力。
在Reddit、X、GitHub以及各种开发者社区里，经常可以看到类似讨论：Claude Code很好用，但是账号、地区、额度和订阅政策的不确定性让人担心；Codex能力很强，但同样存在额度和平台依赖的问题。尤其对已经把Coding Agent融入日常开发流程的人来说，一旦习惯让Agent直接阅读整个项目、修改多个文件、运行测试、查找错误再继续修复，很难再退回以前复制代码到聊天窗口里问AI的方式。
所以过去大家担心Claude账号出问题，本质上并不是少了一个聊天机器人，而是暂时找不到同样好用的替代品。
但最近半年，这件事情正在发生变化。
国产模型终于跨过了“能不能用”的门槛
以前讨论国产模型和Claude、GPT的编程能力，最大的问题其实不是Benchmark差了多少分，而是落到真实项目里以后，体验差距往往比Benchmark看起来更大。
简单写一个函数、解释一段代码，大多数模型都可以完成。但进入一个几十万行代码的真实项目，让模型自己搜索文件、理解依赖、连续修改代码、执行命令、处理编译错误，再根据结果反复修正，差距就很容易暴露出来。
这也是为什么很长一段时间里，即使国产模型便宜很多，真正重度使用AI Coding的人还是会优先选择Claude或者GPT。生产力工具最重要的毕竟还是生产力，如果一个任务Claude Code一次能够完成，换一个工具需要人工来回纠正很多次，价格便宜的意义就没有那么大。
现在这种情况开始改变了。
GLM-5.2、Kimi K3陆续发布，Qwen3.8也开始进入市场，DeepSeek V4正式版同样值得期待。和一年以前相比，这一代国产模型已经明显不再停留在“会生成代码”的阶段，而是在长上下文、工具调用、Agentic Coding和长时间任务执行上快速进步。
最重要的变化并不是某个Benchmark超过Claude两分或者落后GPT三分，而是这些模型已经越来越能够真正参与软件开发。
过去国产模型和前沿闭源模型之间，很多时候是“能不能做”的差距。现在越来越变成“谁做得更好”的差距。
这两者其实完全不同。
只要进入“可以完成”的区间，替代关系就会开始发生变化。一个开发任务不一定非要Claude才能完成，可以使用GLM，也可以换Kimi、Qwen或者DeepSeek。模型之间的能力仍然有高低，但已经不像过去那样存在明显断层。
更重要的是，这些模型还在逐渐和具体的编程工具解耦。
一个模型可以接入不同的CLI、IDE和Agent Framework，一个Coding Agent也可以支持多个模型。模型开始越来越像AI Coding系统里的“发动机”，而不是整个产品本身。
一旦发动机可以替换，过去那种“Claude不能用，工作流就断掉”的焦虑自然会下降很多。
Claude Code真正领先的，已经不只是Claude
不过，如果只看到国产模型能力快速提高，就认为Claude Code和Codex很快没有优势了，也并不准确。
目前AI Coding真正明显的差距，已经越来越从Model转移到了Agent。
同样一个Claude或者GPT模型，放在普通聊天窗口里使用，和放进Claude Code、Codex这样的Coding Agent里，最终完成复杂开发任务的能力可以有很大区别。
原因在于，现在真正的AI编程已经不是简单的：
用户提出需求，模型生成代码。
真实的软件开发通常是一个很长的过程。Agent首先要理解项目结构，然后搜索相关代码，找到需要修改的位置，理解调用关系，制定方案，修改多个文件，运行编译或者测试，读取错误信息，再继续定位问题和修改。如果是一个复杂任务，中间还可能使用Git、浏览器、数据库、MCP工具，甚至启动多个Sub-agent分别处理不同工作。
模型当然是整个过程最重要的核心之一，但仅有模型并不能完成这一切。
把模型、工具、上下文和执行环境组织起来的这一层，就是现在越来越重要的Harness。
而让Agent不断执行“观察、思考、行动、获得反馈、继续行动”，直到任务真正完成，则是Loop Engineering。
这也是Claude Code和Codex现在真正领先的地方。
一个优秀的Coding Agent需要解决很多模型之外的问题。例如，一个大型项目不可能把所有代码一次性塞进Context，Agent必须知道什么时候搜索文件，什么时候读取源码，哪些内容值得长期保留，哪些内容应该在Context接近上限时压缩掉。
工具调用也是一样。什么时候应该使用grep，什么时候应该直接打开文件，什么时候运行完整测试，什么时候只运行局部测试，一个命令失败以后应该继续尝试还是改变方案，这些都属于Agent系统本身的能力。
还有一个非常关键的问题，是验证。
真正好用的Coding Agent不能只会写代码，还必须知道自己有没有写对。修改完成以后主动Build、Lint、Test，运行程序查看结果，发现问题以后重新修改，再次验证。这个不断反馈的循环，才让AI从代码生成器变成能够独立完成任务的Agent。
所以在很多开发者的实际评价中，经常会出现一种现象：两个模型在Benchmark上的差距并不大，但放进不同的Coding Agent以后，使用体验却可能差一个档次。
原因就在这里。
大家最终使用的从来不是一个裸模型，而是一整个系统。
国产AI Coding现在最大的短板，已经变成工具
这其实是一个很值得注意的变化。
过去国产AI Coding的问题首先是模型不够强，工具即使做得不错，上限也会受到限制。现在模型这一块正在迅速补齐，剩下更明显的差距开始集中到Harness和Loop Engineering。
目前国内已经出现了不少比较完整的AI编程产品，包括CodeBuddy、Qoder、TRAE，以及GLM、Kimi、Qwen等模型相关的CLI工具。和早期AI编程工具主要围绕代码补全、IDE聊天不同，这些产品现在也明显开始转向Agent。
它们已经可以阅读整个代码库、修改多个文件、调用Terminal、执行命令，并开始加入Plan、Sub-agent、MCP等能力。从产品方向来看，国内厂商和Claude Code、Codex已经没有本质上的路线分歧，大家做的都是同一件事情：让AI从“帮程序员写代码”，变成“直接帮程序员完成开发任务”。
真正的差距更多体现在工程成熟度上。
比如一个Agent执行一个复杂任务两个小时以后，还能不能保持最初的目标；Context越来越长以后，能不能正确保留关键的信息；中间执行失败以后，是不是能够主动换一种思路；面对一个大任务时，能不能合理拆分成多个小任务；多个Sub-agent之间怎么共享信息；代码修改完成以后，是否能够形成稳定的验证闭环。
这些事情单独看起来都不是什么特别惊人的功能，但最终决定Coding Agent是否好用的，恰恰就是这些细节。
Claude Code和Codex的优势，是它们已经通过大量真实用户和真实软件工程任务，把这些细节做成了一套越来越成熟的系统。
国产Coding Agent目前真正要追的，也正是这一层。
Harness的差距，可能比模型更容易追
训练一个前沿模型是极其昂贵而且复杂的事情。
需要大量GPU、数据、算法团队、训练基础设施和强化学习能力，而且竞争对手不会停下来等待。今天刚刚追上Claude，Anthropic下一代模型可能很快又出来了。
Harness不一样。
它当然也需要很强的工程能力，但很多问题已经从“未知问题”变成了“已知问题”。
今天一个先进的Coding Agent大概应该具备什么能力，行业实际上已经越来越清楚。
CLI、Plan模式、Sub-agent、MCP、Skills、Hooks、Sandbox、Git Worktree、Context Compaction、后台任务、自动测试和验证，这些方向已经被Claude Code、Codex以及其他产品不断验证。
后来者不再需要从零回答“AI编程工具应该长什么样”，而是可以直接学习已经被证明有效的设计，再根据自己的模型和用户场景快速迭代。
这和追赶基础模型的难度并不一样。
以前国内Coding Agent还有一个很现实的限制，就是即使Harness设计得不错，底层模型能力不足，整个系统仍然很难达到Claude Code的效果。
现在这个限制正在快速消失。
当GLM、Kimi、Qwen和DeepSeek逐渐进入前沿模型附近以后，Context管理优化一点、工具调用稳定一点、Loop设计成熟一点，都会直接反映到最终的产品体验上。
因此，我个人的判断是，未来半年国产AI Coding最值得关注的，可能并不是又有哪个新模型在Benchmark上超过Claude，而是CodeBuddy、Qoder、TRAE以及各家模型CLI会进化到什么程度。
我甚至认为，不到半年时间，国内头部Coding Agent就有机会在大多数常见的软件开发场景中，把和Claude Code、Codex之间的差距缩小到普通用户并不明显的程度，甚至在部分场景实现追平。
这里说的“追上”，并不是所有Benchmark全面超过，也不是每一个复杂任务都比Claude Code和Codex更强，而是作为生产力工具，已经能够成为真正平替。
对于用户来说，这才是最重要的标准。
如果Claude Code是100分，国产工具只有50分，那么基本没有替代价值。但如果国产工具已经做到85分或者90分，同时模型选择更多、价格更低、使用限制更少，那么很多用户并不会为了最后那10分一直绑定在同一个平台上。
竞争往往并不需要把第一名彻底打败。
只需要让第一名不再不可替代。
Claude最重要的变化，是从“必须用”变成了“可以选”
这可能才是最近这一轮国产模型进步带来的最大变化。
Claude Code目前仍然是最成熟的Coding Agent之一，Codex同样处在第一梯队。对于重度开发者而言，它们在复杂任务、长时间运行、上下文管理和整体稳定性上的优势仍然存在，这一点没有必要回避。
但和一年前相比，整个市场的状态已经完全不同。
以前是Claude和GPT站在前面，后面隔着很长一段距离才是其他模型。Claude账号、额度或者订阅一旦出现问题，用户很难立刻找到体验相近的替代方案。
现在下面已经有GLM、Kimi、Qwen、DeepSeek，工具层还有CodeBuddy、Qoder、TRAE、OpenCode以及各种CLI和Agent Framework。
模型正在变得可以替换，Coding Agent也正在变得越来越开放。
这意味着用户不需要再把全部生产力绑定在一家公司、一个账号或者一个订阅上。
AI Coding过去两年的主要竞争，大家一直在看模型。Claude和GPT到底谁写代码更好，新模型在SWE-bench又提高了多少，成为每次模型发布时最受关注的话题。
但是当模型能力逐渐接近以后，下一阶段真正决定AI Coding体验的，很可能越来越不是模型本身，而是Harness、Loop Engineering和整个Agent系统。
这场竞争才刚刚开始。
Claude Code和Codex目前领先，但国内的模型和编程工具已经进入同一条赛道，而且追赶速度明显加快。未来半年到底能不能追上，这是一个判断，现在当然还不能当作事实。
但至少有一件事情已经和以前不同了。
现在即使Claude调整订阅、限制额度，甚至账号真的出现问题，也不再意味着AI Coding工作流就没有了替代方案。
Claude好用，当然可以继续订。
哪天不好用了，或者有更合适的选择，也可以取消。
这次确实不用那么慌了。
