定焦One（dingjiaoone）原创
编辑 | 魏佳
他是互联网大厂里负责Agent落地的工程师。那时候，他用AI写代码，主要让它补几行或者改个参数。在这个软件里，大模型塞进编辑器，他可以随时调用。
这不只是工具的变化。如果说用Cursor的时候，AI更像一个副驾，程序员还坐在驾驶位上；那么到了Claude Code和Codex，模型被直接接进了研发流程。给它一个任务，它可以自己拆需求、读代码、调用工具、跑测试，并最终交付。
过去，公司给工程师的额度几乎不限量，后来额度收紧，林鸣干脆自己订阅了好几款工具，身边像他一样的同事很多。
Anthropic是最早接住这个市场的AI公司。它虽然没有ChatGPT那样的C端流量，却靠Claude Code讲出了一个更容易算清账本的故事——开发者愿意付费，企业愿意采购。如今，它的用户量虽远远不及OpenAI，但估值已经反超，接近万亿美元。
国内的智谱是另一种样本。
比起继续追用户规模，找到愿意持续付费的开发者和企业，正在变得更重要，这是2026年大模型商业化的分水岭。
其最新发布的豆包2.1 Pro，补上了Coding和Agent能力。在现场演示和评测中，火山引擎反复拿自己和Claude Opus等模型对标。种种迹象表明，字节不再只是追求更多用户打开豆包，而是开始瞄准开发者、Agent和真实工作流。
01.豆包掉头：一半是诱惑，一半是成本
据多家媒体报道，字节高层到访Anthropic后，内部启动AI资源重整，把更多资源从豆包这类大众产品，挪向企业服务和编程模型。为此，大模型数据审核团队从约1500人扩到3000多人，专门为编程模型清洗数据。火山引擎MaaS还被定下收入翻10倍的目标。
字节转向B端，动力来自两个方向。
先看收入端。
AI coding的商业价值，体现在两个层面。
一位开发者打趣说，过去担心的是“别让AI取代我”，现在变成了“别把AI从我手里夺走”。
Anthropic的收入曲线，更是让行业看到了这个市场的潜力。去年5月才发布的Claude Code，到2026年2月，年化收入已经达到了25亿美元。其中，超过一半来自企业客户，年支出100万美元以上的大客户，两个月内从500多家增至1000多家。整个公司的年化收入也随之水涨船高，从2月的140亿美元，一路攀升至5月的470亿美元以上。
互联网时代生意逻辑是“先做规模、再谈变现”。用户够多、停留够久，靠着广告、电商、会员，总能赚到钱。
豆包正承受着这种压力。据《晚点LatePost》报道，每天2亿多人使用的豆包，日收入不足百万元，且主要来自电商佣金。但今年5月，豆包每天消耗的算力成本达数千万元——文字聊天尚不算贵，而推理、图片识别、语音聊天、视频聊天等多模态功能的算力成本，是纯文本交互的几倍甚至几十倍。
林鸣表示，他所在的公司一开始给的额度几乎不限量，是因为管理层看到AI能力强，但不清楚到底多强、能给企业带来什么，只能让大家先用起来看效果。可用了一阵，发现收益并没有成倍增长，于是公司开始控制成本。
洪定坤认为，问题出在写代码之后。字节做过一组实验，在不同模型和框架下，AI生成代码的功能正确率普遍超过80%，但到了UI、可靠性、可维护性这些真正决定能否上线的维度，分数却只有40到60分。
02.字节的优势，也可能是包袱
字节的AI业务大致有四条主线：世界模型、视频模型、Coding与Agent、豆包商业化。现在拨动的，正是后两条。
AI coding这条赛道，目前已经分化成三个层级。面向程序员日常开发的Copilot式插件、重做开发环境的AI IDE，以及试图接管整个任务流程的Coding Agent。
字节这套打法的底气，来自于其已经验证过的企业服务能力。
字节真正想做的，是比模型更底层的基建。洪定坤在演讲中提到一个词——Harness。它指向的是一套涵盖上下文工程、架构约束、团队知识沉淀、技术债梳理，以及测试与交付流程的系统。他的判断是，只有把这些齿轮重新咬合，AI coding才能从生成代码跨越到完成需求。
根据豆包Coding Plan定价，最低首月仅需9.9元，Lite套餐后续40元/月，Pro套餐后续200元/月。相比之下，海外主流AI编程工具每月订阅普遍20美元起步，高强度Agent版本可达100美元以上——字节给出的入门价格，几乎是“尝鲜无负担”。
Coding Plan还支持Claude Code、Cursor、Cline、Codex CLI等主流开发环境，意味着开发者不需要迁移工作流，只要把底层模型换掉，就能把原本花在Claude和OpenAI上的部分用量切到豆包。这相当于用价格换切量，用兼容换迁移成本。
这正是字节在C端最熟练的打法，也是它眼下最大的优势。火山、飞书、豆包模型构成的底盘，是智谱、DeepSeek们短期内复制不了的；低价策略和兼容主流开发环境的设计，也几乎是为快速渗透量身打造的。
谷歌是一个值得参考的对照。
但至少到目前为止，开发者心智并没有自然流向谷歌。这说明，在AI coding这门生意里，生态和价格都只是入场券，真正难的，是产品体验、模型能力、任务完成率和开发者信任。
03.贴身肉搏才刚刚开始
第一梯队是Claude和ChatGPT，第二梯队是智谱、Kimi、DeepSeek，其余大多滑入第三梯队。他算过一笔账，自己花在大模型上的钱，九成给了第一梯队，剩下的大多投向DeepSeek。道理很简单，Claude和Codex负责最难的任务，DeepSeek便宜、耐烧，适合日常的简单活儿。
这种“谁好用就用谁”的态度，在开发者中相当普遍。
更麻烦的是，模型之间拉开差距正变得越来越难。
这类判断也出现在很多公开的讨论里。a16z创始人Marc Andreessen近期发文称，多位从业者认为GLM-5.2可能是第一个在多数任务上匹敌、甚至超越美国头部实验室公开模型的中国模型。他将此视为一个关键节点，认为大模型的能力格局正从少数美国实验室主导走向多极化。
目前Coding的付费结构主要包括两部分，个人开发者买订阅，企业客户走API、席位费或合同；前者负责扩大规模、养成付费习惯；后者才是利润的大头。
Agent一旦进入真实工作流，算力成本持续攀升，订阅收入却有上限，厂商只能靠限额、峰值扣减来兜底。智谱就吃过苦头。其Coding Plan一度卖得太好，不得不限量发售，高峰期按更高倍率扣减额度。
这条赛道，还在不断涌入新玩家。
而越往深处看，赛道越清晰地分成两条路线。
另一条是更低价、更开放的模型底座路线，DeepSeek、智谱、Kimi、MiniMax扎堆于此。它们想成为别人AI员工背后的模型底座，抢的是API调用、工具集成和私有化部署的份额。
字节恰好卡在两条路线的中间。
这种打法，可能让它两头通吃，也可能让它两头都不够硬。因为，论开发者心智，它一时还难超过Claude Code和Codex；论极致性价比，又得直面DeepSeek、Kimi、智谱的持续挤压。
*题图来源于豆包微信公众号截图。林鸣为化名。