主流 AI Agent 对比
国内外编码 Agent 的模型能力、Agent 架构与生态横向对比,以及选型依据
"AI Agent"这个词被用得太泛。这篇笔记把范围收窄到能读代码、改代码、跑命令的编码 Agent,从三个维度横向对比:模型能力(底座)、Agent 架构(怎么把模型变成会干活的系统)、生态(工具链、集成与可用性)。
先说结论:国外赢在前沿模型与生态先发,国内赢在本地化、合规私有化与成本。但两者正在互相渗透——开源模型已经能接上类 Claude Code 的脚手架。
国外阵营
| 产品 | 底层模型 | 关键特征 | 定价 |
|---|---|---|---|
| Claude Code | 自研 Opus 系(1M 上下文) | 动态工作流可编排数十至数百个子 agent;子代理隔离 + 上下文压缩;MCP 原生;OS 级沙箱 + 权限规则 | API 用量 / 订阅 |
| OpenAI Codex | 自研 GPT-5.x | Cloud + 开源 CLI(Rust);sandbox + approvals 双层权限模型 | 订阅 + API |
| Google Antigravity | Gemini 3.x Pro | 2026 年把 Code Assist / Gemini CLI 统一为多智能体平台 | 企业版 |
| Cursor | 自研 Composer + 外部模型 | Cursor 3 支持并行/云端 agent、BugBot 审代码 | 订阅 + 按量 |
| Devin | 自研 SWE 系 + Fusion 架构 | 2025 收购 Windsurf,2026 更名 Devin Desktop | 订阅 / ACU |
| GitHub Copilot | 多模型可选 | Agent 模式 + Coding Agent;转用量计费(AI Credits) | 订阅 |
| OpenHands / Aider | 模型可选 / 任意 LLM | 开源:前者常被用作评测 harness,后者以 repo map + git 纪律著称 | 免费(自付 API) |
国内阵营
| 产品 | 底层模型 | 关键特征 | 定价 |
|---|---|---|---|
| Trae(字节) | 自研 Seed + GLM/DeepSeek 可选 | SOLO / IDE / Agent 三形态,含 Trae CLI | 国内 ¥ 分档 / 国际 Free–$60 |
| Qoder CN(阿里) | 自研 Qwen-Coder 系 | 原通义灵码;多智能体专家协同 + IDE + 插件 + CLI + 云 Agent | 企业按席位 + credits |
| 文心快码 Comate(百度) | 文心大模型 | AI 原生 IDE + 智能体 Zulu,支持 MCP | 免费档 / 企业版 |
| CodeBuddy(腾讯) | 混元 + DeepSeek | 插件 / IDE / CLI 三端,含 Sub-agents、运行时安全检测 | 企业按席位 + credits |
| CodeGeeX(智谱) | GLM 系列 | 老牌插件,重心转向 ZCode + GLM Coding Plan(适配国产芯片) | 订阅 |
| Kimi(月之暗面) | 自研 K 系列(含开源) | OK Computer、Agent Swarm(Agent 集群) | 订阅 / API |
| DeepSeek | 自研 V 系(1M 上下文) | API 低价;自研 Harness 框架提供类 Claude Code 兼容层 | API |
| Coze 扣子(字节) | 多模型(含自定义) | Agent 平台,已升级为多人 + 多 Agent 协作 | 订阅 |
| Dify | 模型无关(开源) | Apache 2.0 + 条件的开源 License,私有化部署强 | 开源免费 / SaaS |
维度一:模型能力
基准数字务必看口径
第三方聚合榜之间互相打架:同一模型在不同榜单能差出十几个百分点(scaffold 脚手架、prompt、评测规模都不同)。只引用厂商官方 system card 里的数字,聚合榜仅作趋势参考。
- SWE-bench Verified(修真实 issue):前沿闭源模型已进入 90%+ 区间;但第三方榜对同一模型的报数从 79% 到 96% 不等,口径混乱。
- Terminal-Bench 2.0(终端自主操作):国外头部约 82%,国产开源模型在 50% 出头——差距主要体现在长链路自主性与工具使用稳定性上。
- 长上下文:国外 Claude 系与国产 DeepSeek-V 系都主打 1M token,这是国产缓解"上下文管理弱"的主要手段。
一句话:榜单领先看国外,但真实差距高度依赖你的任务形态——修单文件 bug 与跨仓库重构,考验的能力完全不同。
维度二:Agent 架构
这是最能体现"工程功力"的维度,四个子问题:
- 编排(单 Agent vs 多 Agent) 主流正从"单 agent 循环"走向"多 agent 编排":Claude Code 的动态工作流、Kimi 的 Agent Swarm、Coze 3.0 的多人多 Agent、Devin 的 Fusion 架构、Qoder 的多智能体协同。多 Agent 的代价是调试与成本,不是越多越好。
- 上下文管理(决定能跑多久)
Claude Code 的做法有代表性:
/compact自动压缩 +.claude/agents/*.md子代理隔离 + 项目记忆文件落盘;子代理还能再生成子代理,但受深度/并发/花费上限约束。国产普遍用"堆长上下文"(1M)替代精细压缩——简单,但长任务里更容易衰减。 - 工具系统 / MCP MCP 已是事实标准:2026 年主流厂商(Anthropic、OpenAI、Google、Microsoft、AWS、Cursor、JetBrains、LangChain 等)原生支持,规范也在持续大版本迭代。配套的 A2A(Agent 间通信)在并行推进。对团队的含义:把内部工具做成 MCP Server,一次投入、所有 Agent 复用。
- 沙箱与权限(企业落地的门槛) Claude Code:OS 级文件/网络隔离 + 权限规则 + hooks(可强制网络白名单);Codex:sandbox + approvals 双层;国产企业版(CodeBuddy 等)加入运行时安全检测。没有沙箱的 Agent 不要接入生产仓库。
维度三:生态与可用性
- 形态:国外以 CLI / Cloud / SDK 为主(SDK、CLI 开源),偏"可编程、可组合";国内普遍是 IDE 插件 + 独立 IDE + CLI 三端齐上,偏"开箱即用"。
- 私有化与合规:国内显著强于国外——Dify 支持 on-prem、Qoder 企业专属版走专属 VPC、CodeBuddy 有专有云企业版、智谱 GLM 适配国产芯片。数据不出内网这一条,在国外产品上很难满足。
- 可用性:国外头部(Claude Code、Codex、Antigravity、Devin)对国内用户直连受限;国产企业版价格据评测约为海外同级的一半左右(二手数据,需自行核实)。
- 开放性:开源组合正在打通——开源模型(DeepSeek / Kimi / GLM)+ 类 Claude Code 脚手架(含各种兼容层)已经可用,选型不再等于"选厂商"。
选型依据
| 你的约束 | 倾向 |
|---|---|
| 要最前沿的自主能力、可编程工作流 | 国外头部(Claude Code / Codex / Antigravity) |
| 强合规、数据不出内网、中文场景 | 国内(Qoder CN / CodeBuddy / Dify 私有化) |
| 成本敏感、想自建 | 开源模型 + 开源脚手架(Aider / Cline / OpenHands) |
| 只要 PR 审查 / 单测生成 | CodeRabbit / Greptile / Diffblue 这类单点工具 |
三点判断
- 模型差距在缩小,架构差距在放大。同样的模型,好的上下文管理与子代理隔离能让完成率差出数倍——架构是可积累的工程资产,模型不是。
- MCP 是当下最值得投入的接口层。它把"给 Agent 提供上下文/工具"从每家一套变成一次接入、到处复用。
- 合规不是减分项。数据不出内网、沙箱与权限模型,正在从"国内特色"变成全球企业采购的硬门槛。
时效与口径
数据截至 2026-10,模型版本、价格与榜单每月在变。基准分数请回溯厂商官方 system card;本文中标注为二手的价格/评测结论仅供参考。
最后编辑于