代码丰饶之后的真正稀缺

Editor’s Note

🗓️ 2026.05.07 | Poe

过去一年，AI Coding 最容易制造一种错觉：只要模型越来越强，软件生产的瓶颈就会逐渐消失。

但 2026 年的现实更复杂。腾讯研究院 4 月发布的《AI Coding 观察报告 2.0》显示，全球六大商业模型在 SWE-bench Verified 上的得分已经挤进 1 个百分点区间。与此同时，Veracode 发现 45% 的 AI 代码任务引入了已知安全漏洞，GitClear 对 2.11 亿行代码的分析显示，技术债务增加了 30-41%。

这组矛盾提示了 AI Coding 产业最重要的变化：代码生成正在变得充裕，真正稀缺的东西迁到了别处。

2026 年 4 月，SWE-bench Verified 排行榜出现了一幅很有象征意义的画面。

Claude Opus 4.5、Gemini 3.1 Pro、GPT-5.4、MiniMax M2.5、Kimi K2.6 等六大模型，得分全部落在 80.0% 到 80.9% 之间。区间不到 1 个百分点。

这意味着，对很多企业来说，模型选择越来越像采购问题，而不再是决定成败的核心问题。MiniMax M2.5 单次对话成本约 0.30 / 1.20 美元，约为 Opus 4.5 的 1/25。开源的 Kimi K2.6 取得 80.2%，已经与闭源旗舰模型站在同一分数段。

但另一组数据把这幅画面变得不那么轻松。

Veracode 的扫描显示，45% 的 AI 代码任务引入了已知安全漏洞。GitClear 分析 2.11 亿行代码后发现，代码重复量增加 4 倍，重构活动下降 60%，技术债务估计增加 30-41%。

代码从未如此容易写出来，也从未如此难以信任。

这就是腾讯研究院《AI Coding 观察报告 2.0》最值得关注的地方。它表面上讨论 AI 编码工具，真正的问题却更大：当代码生成能力开始普及，软件工程里的稀缺资源会转移到哪里？

报告把这个变化概括为「丰饶之后」。我认为，更准确地说，这是软件生产的瓶颈迁移。

公开模型的分数越来越接近，前沿实验室手里的能力却没有停下来。4 月 7 日，Anthropic 发布 Mythos Preview，SWE-bench Verified 达到 93.9%，只向 11 家防御性安全伙伴开放。9 天后，Opus 4.7 以 87.6% 公开发布。Anthropic 在官方博文中说明，训练期间对网安能力做了差异化削弱。

一个不公开的内部能力线，一个削弱后对外发布的公开版本，9 天内先后登场。

这说明两件事正在同时发生。第一，商业模型在标准编码能力上越来越接近。第二，前沿实验室内部保留的能力，和外部市场能买到的能力之间，正在出现新的距离。

但对大多数公司和个人来说，更关键的问题已经不再是「哪个模型最强」。真正的问题是：当足够强的模型变得越来越容易获得，谁能把它放进可靠的工作流程里？