9月初的72小时，AI大模型赛道迎来了一场密集的“军备竞赛”更新。从当地时间9月1日到9月4日凌晨，Anthropic、谷歌、Meta、阿里、OpenAI五家头部厂商接连发布了各自的旗舰模型迭代版本。密集程度之高，在行业内并不多见。

这场竞赛的焦点惊人地一致：编程能力。Anthropic将新模型定位为“目前面向编程和知识工作的最强模型”，OpenAI则直接称新模型为“迄今为止最强的软件工程模型”。当各家都在强调“任务交付”而非简单的“代码交付”时，编程为何依然是那个被置顶的核心能力？

打开网易新闻 查看精彩图片

五家厂商的密集出手

先看这72小时发生了什么。当地时间9月1日，Anthropic推出Claude Fable 5.1与Claude Mythos 5.1，前者向普通用户开放，后者仅能通过可信访问计划获取，编程跑分直接翻倍。9月2日，谷歌连发Gemini 3.8 Flash和Gemini 3.8 Flash Cyber两款模型，在价格不涨的情况下提升软件工程和Agent工作流表现，距离其3.7 Flash更新仅隔三周。

同日，Meta更新Muse Spark 1.3，瞄准长周期Agent任务。中国厂商阿里则升级了Qwen3.8-Max，重点提升编程与办公能力。北京时间9月4日凌晨，OpenAI正式推出GPT-6 Astra，总裁格雷格·布洛克曼直称“欢迎来到AGI时代”。

如果把时间线再拉长，腾讯8月28日发布混元Hy4 preview，智谱8月14日发布GLM-5.3，编程能力较前代提升50%，7月发布的Kimi K3也因编程测评得分超越当时Anthropic主力模型而爆火。两个多月内，编程能力成了所有厂商迭代的关键词。

从“代码交付”到“任务交付”的转变

与一年前相比，编程竞争的衡量单位已经变了。过去比的是谁能生成更正确的代码片段，现在比的是谁能完成一个完整的软件工程任务——从理解需求、编写代码、调用工具到持续调试，直到交付可运行的结果。

这种转变背后是各家策略的差异。Anthropic更聚焦长期、复杂编程任务的可靠性，并降低Agent编程的成本，便于企业实际应用。谷歌在“补课”的同时加快迭代速度，Gemini Flash系列强调效率与性价比，试图补齐编程短板。Meta则让模型理解复杂上下文、调用工具，持续完成更长的工作链。

中国厂商的逻辑更直接：编程能力的提升让原本走不通的付费模式找到了真实的赚钱场景。国内开发者和B端的编程应用场景更多、更复杂，因此相关能力提升的同时，模型整体API售价也在提升，更多付费制编程产品真正走向市场。

为什么编程始终被“置顶”？

一个核心原因是：代码仍是最易被验证的工作。模型写文章、做设计，甚至提供研究分析和策略建议，都难以立见高下，但代码跑得怎么样，产出结果可以进行相对清晰的比较。这种可验证性让编程成为衡量模型能力最直接的标尺。

另一个原因在于Agent和AI落地的大背景。编程天然适合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，同样便于验证。从交付代码到交付任务的变化，被视为AI落地的“第一步”。

目前各大模型的Agent编程已走到相对成熟的地步，下一步可能是“自动驾驶”级的多Agent协作，完成全流程开发、测试、部署、运维，像一个真正的软件工程团队一样运作。这也是AI编程真正形成生产力、进入企业业务流程的关键。

编程作为“元能力”的扩散路径

更值得关注的是编程能力如何向其他领域迁移。在智谱8月31日发布半年报后的业绩说明会上，出现了“Coding三连问”：编程能力的长期壁垒、为何选择编程作为突破起点、以及编程能力如何迁移到其他专业场景。

智谱给出的答案是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，GLM-5.3的一大重点突破就是网络安全漏洞发现。智谱还表示，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。

摩根士丹利在分析中认为，应重点关注编程能力向Co-work等领域的扩张。智谱在财报战略中给出了自身对模型能力演进的判断：Chat→Coding→Agent→Co-work→Autonomous AI，目前公司重心处在第二级到第四级之间，最终会向无人值守条件下承担长期目标的Autonomous AI方向进化。

新战役可能已经打响

这种编程能力扩散、迁移的迹象已经出现。OpenAI的GPT-6 Astra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，并在运行测试中发现问题、持续改进。

从两个多月的密集更新到“疯狂72小时”，可以看到几个共同趋势：价格向相对平均的水准收敛，中国模型在提价，美国顶尖模型的实际订阅花费有所下降；对办公、科研能力的聚焦，对应的是Agent自主工作能力和模型最强性能的提升——一个落地到最日常的使用场景，一个上升到最高价值的前沿场景。

编程作为最早落地的能力，依然是竞争的焦点。但竞争的维度已经从生成代码升级为交付完整任务。这场围绕“元能力”的扩散之战，或许才刚刚开始。