72小时AI巅峰之战，编程仍是皇冠

来源：市场资讯

（来源：钛媒体APP）

大模型的军备竞赛仍在加速。

9月初的三天内，已有5家头部厂商迭代了自己的旗舰模型。

当地时间9月1日，Anthropic推出Claude Fable 5.1与Claude Mythos 5.1，定位是“目前面向编程和知识工作的最强模型”，编程跑分直接翻倍。前者向普通用户开放，后者则依然不开放个人申请，仅能通过Anthropic的可信访问计划（Trusted Access Programs）获取。

9月2日，谷歌也连发Gemini 3.8 Flash和Gemini 3.8 Flash Cyber两款模型，继续强化“速度+成本”的路线，在价格不涨的情况下提升了软件工程和Agent工作流上的表现。而这次迭代距离其3.7 Flash的更新仅仅隔了三周。

当日，Meta也更新了Muse Spark 1.3，瞄准长周期Agent任务，重点提升复杂上下文处理和编程能力。

同时，中国厂商阿里也升级了被称为Qwen家族最强模型的Qwen3.8-Max，重点提升了编程、办公能力。

而就在刚刚（北京时间9月4日凌晨），OpenAI也正式推出了预告多时的GPT-6 Astra，并称其为“迄今为止最强的软件工程模型”。该模型也被视为GPT的又一次划时代之作，OpenAI总裁格雷格·布洛克曼（Greg Brockman）还直称“欢迎来到AGI时代”。

如果再稍微往前追溯，腾讯在8月28日发布了新一代大模型混元Hy4 preview，相比前代在软件工程、办公分析等生产力场景的表现有了明显提升。

智谱则于8月14日发布了GLM-5.3，编程能力较GLM-5.2提升50%，号称“专为编程而生”。

而7月发布的Kimi K3，同样因比肩当时OpenAI、Anthropic主力模型的性能，尤其是超越Fable 5的编程测评得分爆火。

从过去的两个多月，到这堪称疯狂的72小时，可以看到很多共同的关键词。

包括价格向一个相对平均的水准收敛，以往更以性价比取胜的中国模型在提价，美国顶尖模型的实际订阅花费则有所下降。

包括对办公、科研能力的聚焦，其对应的又是Agent自主工作能力和模型最强性能的提升，一个落地到最实际、最日常的使用场景，一个上升到最前沿、高价值的场景。

这一切当然都指向AI落地的时代背景和现实诉求，不过，我们仍然可以看到，在各类更新中，编程这个最早落地的能力，仍然是最被看重的环节，也依然是竞争的焦点。

但相比于一年前，编程的竞争单位，从代码交付变成了任务交付，或者说是软件工程。

如果以此为线索，也能看到各个厂商不同侧重的某些共同目的。

比如最早在开发者群体中扎下根基的Anthropic，在更新中会更加聚焦长期、复杂编程任务的可靠性，并且降低达到这一目的的工具，即Agent编程的成本。对于Fable来说，这显然便于更多企业、开发者实际应用，而定价成谜、甚至据说小厂只能“跪求”的Mythos，可能走的还是花费巨额资金，得到领先行业一步的稀缺AI性能的路线。

谷歌和Meta其实是在“补课”的同时想办法跟上新的节奏。实际上，在Anthropic、OpenAI持续引领编程能力迭代，中国的Kimi、智谱快速追近期间，没能在这一赛道及时发力被视为Gemini去年“炸场”今年“惨淡”、Meta模型始终难以赶上第一梯队的主要原因。

所以，谷歌加快了迭代速度，一方面是加快编程能力追赶的步频，一方面是持续调节产品适应性，聚焦于编程能力与用户之间的适用性。与此同时，Gemini Flash系列一直强调效率和性价比，如果能补齐编程能力，这同样可以成为任务交付时代的优势。

Meta的逻辑同样是加强编程能力，但并非简单生成代码，而是让模型能够理解复杂上下文、调用工具，并持续完成一条更长的工作链。

对于中国厂商来说，编程能力的提升能够让原本走不通的付费模式找到真实的赚钱场景，且国内开发者和B端的编程应用场景、需求更多、更复杂。所以，在相关能力提升的同时，模型整体的API售价有提升，而且更多付费制的编程类产品真正走到了市场上。

编程依然被模型“置顶”的逻辑不难理解，与以往相同的是，代码仍是最易被验证的工作，在模型能力到达较高层级后，写文章、做设计，甚至研究分析、策略建议都更难立见高下，但代码跑得怎么样，其产出结果仍然能够进行相对清晰的比较。

而对于今年来说，Agent和AI落地是贯穿全年的重点所在，编程则天然适合Agent，开发本身就是一条完整的Agent工作流，而且是机器最熟悉的工作流，也同样便于验证。对于落地来说，如上所述，从交付代码到交付任务的变化本身就被视为AI落地的“第一步”。

目前来看，各大模型的Agent编程也已走到了一个相对成熟的地步，下一步可能就是“自动驾驶”级的多Agent协作完成全流程开发、测试、部署、运维，就像一个真正的软件工程团队一样。这也是在供应端AI编程能真正形成生产力，进入企业的业务流程的重点所在。

不过，可能更值得关注的问题还有编程作为“元能力”如何扩散。

在8月31日智谱发布半年报后的业绩说明会上，提问环节有“Coding三连问”，包括编程能力的长期壁垒、为何选择编程作为模型能力突破的起点，以及编程能力如何迁移到其他专业场景。

智谱强调编程能力在网络安全领域的率先突破。网络安全底层能力与复杂编程Agent高度一致，实际上GLM-5.3一大重点突破就是网络安全漏洞发现，智谱发布模型时也宣称“随时迎接网络防御挑战”。智谱方面还表示下一步会把编程训练出的长程规划、工具调用和错误恢复能力继续迁移到数据分析、复杂自动化、法律、金融等高价值专业工作。

摩根士丹利则在分析中认为应重点关注编程能力向Co-work等领域的扩张。而智谱也在财报战略聚焦中给出了自身对模型能力演进的判断：Chat→Coding→Agent→Co-work→Autonomous AI，并称目前公司重心处在第二级（Coding）到第四级（Co-work），最终会向交付持续运行能力，在无人值守的条件下承担长期目标的Autonomous AI方向进化。

实际上，这种编程能力扩散、迁移的新战役可能已经打响。

OpenAI的Astra就直接冲到了端到端自动化，聚焦在专业工作中进入用户的软件环境，完成完整任务，并且在运行测试中发现问题，再持续改进。

或许，刚刚过去的“疯狂72小时”，只是大模型又一次巅峰之战的开端。（本文首发于钛媒体APP，文｜飞向TAI空，作者｜胡珈萌，编辑｜盖虹达）