别再所有人平分AI算力：顶级模型给资深工程师才省钱，新人刷题式成长已失效

随着 Claude Code、Codex、Kimi Code 等编程智能体快速迭代，软件开发正从“人写代码、工具辅助”，转向“人定义目标、Agent 持续执行”。模型不仅能够生成代码，还开始自主调用工具、调试程序、压缩上下文，甚至连续工作数小时。与此同时，模型调用成本、生产环境责任、验证闭环、人才培养和软件组织结构等问题，也逐渐从技术讨论进入企业经营层面。

在 2026 世界人工智能大会期间的 InfoQ 媒体直播间，AI Coding 成为“AI 正在重写什么”这一主题下最具争议的话题之一。

拥有近 20 年企业软件开发经验、Sirius contributor 滕昱，以及曾在 Google 担任软件工程师、后加入月之暗面从事研发并负责开发者关系的唐飞虎，从开发者实践、企业管理和个人成长三个角度，讨论了 AI Coding 正在带来的深层变化。

两人的判断并不完全一致。滕昱认为，传统计算机专业和软件工程师职业延续了约 30 年的发展周期，如今已经走到一个明显转折点，单纯写代码的价值正在迅速下降；唐飞虎则认为，计算机科学背后的数学和基础原理仍然值得学习，只是课程体系和人才培养方式必须改变。

但在一个问题上，两人形成了共识：AI 不会简单地让所有工程师失去价值，相反，它正在优先放大资深工程师的经验和判断能力。真正受到冲击的，是过去依靠重复编码工作积累经验的新人，以及层级复杂、流程沉重的大型软件组织。

在日常使用中，滕昱同时使用三个编程模型，其中两个工具主要承担编程任务，另外一个更多用于写文章、总结新闻和整理邮件。他的采购策略很简单：直接买能力最强的模型和最高档套餐，把模型能力“直接拉满”。

他解释，自己仍然承担大量实际开发工作，没有太多时间在不同模型和价格之间反复比较。相比节省调用费用，他更在意模型能否直接解决问题。“我的选择是买最贵的模型、买最高的套餐，直接拉满。”不过，即使同时使用多个高阶套餐，他也没有用满全部 Token 额度。在他看来，这也说明 AI Coding 并非万能工具，人仍然需要处理模型无法完成的部分。

唐飞虎同样会使用多种模型，但比起固定依赖少数工具，他会尝试几乎所有主流 AI 工具，包括 Kimi Code、Claude Code、Codex 以及一些面向垂直场景的小众产品。他会根据任务特点，在不同模型和 Harness 之间选择合适的组合。如果没有合适的开发任务，他甚至会主动让模型运行 Benchmark，尽可能用满套餐和内部额度。

不过，两人都没有精确统计自己每天消耗多少 Token。原因在于，AI Coding 的使用方式已经发生变化。过去的 Vibe Coding 往往是一轮提问对应一轮回答，Token 消耗相对容易估算；现在开发者更多是给 Agent 设定一个目标，让它持续执行、反复调试，可能一个小时以后才需要人类介入。

这种长时间自主执行不可避免地会产生浪费。唐飞虎表示，如果仔细阅读模型的思考过程、工具调用记录和与计算机交互的轨迹，会发现模型在中间不断碰壁，尝试大量无效路径。但模型往往也能自己从错误中跳出来，最终完成任务。开发者可以提前介入，提高执行效率，但很多时候，人也会选择“偷懒”，让模型自行尝试。

滕昱认为，这种模式既有优势，也存在明显弊端。企业和开发者往往只能看到任务是否完成，却不清楚模型在内部浪费了多少推理过程。因此，AI Coding 的衡量方式正在从“调用了多少 Token”转向“完成了什么任务、最终产生了什么价值”。

这也直接影响了企业对成本的理解。过去，企业可能把 Token 当作类似云资源的使用指标；现在，一个复杂任务背后可能存在数十次工具调用、代码修改和环境交互。单独统计 Token 数量，已经很难准确代表生产效率。

对于不懂代码的人能否通过 Vibe Coding 开发产品，滕昱和唐飞虎给出了不同程度的乐观判断。

滕昱认为，答案取决于程序类型。如果一个应用主要围绕人与界面、人与业务流程之间的交互，只要用户能够把需求描述清楚，Agent 往往可以完成。但如果任务涉及人类过去从未实现过的新逻辑、新架构或缺少成熟参考的系统设计，模型就容易陷入重复循环。

在他看来，大模型本质上是在大量人类已有代码基础上进行总结、组合和生成。当目标超出已有经验分布时，模型很难独立完成方向判断。他谈到自己几乎每周甚至每天都会遇到类似情况：Agent 不断修改代码、尝试新路径，却始终无法意识到原本的技术路线可能根本不成立。此时，仍然需要人类介入，叫停错误方向。

因此，他估计，普通应用中可能有 70%-80%的需求可以通过 Vibe Coding 实现，但仍有一部分关键工作无法完全交给模型。

唐飞虎则更加乐观。他认为，随着模型自我发现问题和解决问题的能力不断增强，用户需要读懂代码、亲自修改 Bug 的时机正在减少。早期模型生成的程序经常运行失败，需要开发者进入代码手动修复；现在模型能够读取报错、分析环境、自主修改，并最终交付可用结果。在这种趋势下，懂不懂代码会逐渐变得不那么重要。

他举例称，自己此前参加 SIGGRAPH 活动时，希望用模型制作一款 3D 停船游戏。当时连续折腾了 48 个小时，模型生成的船既无法正常驾驶，也没有实现理想中的海浪和暴风雨效果。但在使用最新的 Kimi K3 模型后，原本两天没有完成的任务，仅用一句话就生成了相当像样的版本，他甚至自己玩了很长时间。

这类变化说明，外界有时会低估模型进步速度。很多几个月前还被认为必须由专业开发者完成的工作，可能在下一代模型中迅速变成一句指令。

但两人同时强调，“能够生成代码”和“成为专业工程师”不是一回事。滕昱认为，AI 可以处理大量具体实现，却无法自动决定一个系统为什么存在、应该解决什么现实问题，以及何时应当停止错误路线。唐飞虎也指出，即使模型能够完成代码生成，人仍然需要理解目标、设计协作机制并判断最终交付是否符合需求。

在 AI Coding 产品中，模型决定基础能力，Harness 则负责向模型提供工具、上下文、执行环境和任务流程。同一个模型被放入不同 Harness 后，实际表现可能产生巨大差异。那模型和 Harness 谁更重要？

滕昱开玩笑称，提示词、Harness 和 AI Coding 工作流，“只要学得足够慢，可能就不用学了”。因为模型自身进化速度太快，不要说半年前，甚至三个月前开发者精心设计的工作流，都可能很快被新模型内化。

因此，他不会过早投入大量时间打造所谓的完美 Harness。在真实开发中，他更关心项目的大方向：到底要做什么、解决什么问题、如何与团队成员沟通，以及如何在开源社区内进行协作。相较之下，过度优化提示词和流程，很可能在下一次模型升级后迅速失效。

他认为，开发者真正应该思考的是：作为“人类智能体”，自己和 AI 的区别在哪里？人与人之间的沟通、目标判断、责任承担以及对现实社会的理解，是现阶段大模型难以替代的能力。Harness 当然重要，但当前行业距离最终收敛还很远，现在投入过多精力构建一套极其复杂的流程，可能为时尚早。

唐飞虎则用航空系统作比喻：模型相当于航空发动机，是整个系统最核心的部件，但飞机的金属骨架、机翼和其他结构同样不可或缺。Harness 的作用，就是把模型能力组织成一个可以真正完成任务的系统。

这也是几乎所有大模型公司都在组建 Harness 团队的原因。Harness 直接接触用户，能够看到用户到底拿模型做什么，并把真实需求反馈给模型训练团队。对于垂直行业公司来说，专用 Harness 还可以集成 MCP、Skills 和业务工具，显著提高模型在具体任务中的能力上限。

一些新的 Agent 评测已经不再单独比较模型，而是比较“模型加 Harness”的完整组合。唐飞虎提到，Agents’ Last Exam 等 Benchmark 会让同一个模型搭配不同 Harness 执行任务，也会让不同模型运行在同一 Harness 中，由此分析究竟是模型能力还是外部系统决定了结果。

这种评测方式更接近真实用户体验。企业并不是购买一组裸参数，而是在使用一个包含模型、工具、上下文管理、代码执行环境和交互界面的完整系统。因此，模型排名领先并不意味着在所有 AI Coding 产品中都能取得最好体验。

通用 Agent 和垂直 Agent 的设计逻辑也因此出现差异。通用型产品需要覆盖更多任务，在定制能力、插件生态、Token 效率和轻量化之间寻找平衡；垂直 Harness 则可以围绕单一业务场景配置专门工具和技能，往往能够实现更高成功率。

企业还可以通过 OpenRouter 等平台观察不同 Harness 的真实 Token 消耗和用户使用情况，分析用户更偏好高度可定制的复杂产品，还是更轻量、更节省 Token 的工具。但无论是大型科技公司、模型厂商还是应用公司，用户反馈和用户体验最终都会成为关键指标，只是不同公司会根据自身生态和商业目标形成不同侧重。

相比模型和 Harness 谁更重要，两人出现分歧的议题是：AI 究竟有没有判断力，能不能形成类似人的价值取向，甚至是否可能“感受到痛苦”。

滕昱认为，即使是目前最强的编程模型，也无法替代人在关键节点做最终判断。模型会围绕目标持续尝试，却很少主动承认任务不可能完成，也难以判断某条路径是否应该立即停止。

在他看来，大模型和人之间存在一个根本区别：模型在训练过程中无法真正感知痛苦。人类人格和自我意识的形成，与感知痛苦、意识到死亡以及认识自身边界有关。当一个人意识到自己并非万能，开始理解自己和外部世界的区别，自我意识才可能形成。

语言模型没有这样的反馈机制。开发者交给它一个目标，它可能不断更换方法、修改代码、重新调用工具，却不会像人一样判断：“这条路线本身是错的，我不应该继续。”

滕昱表示，在真实工程中，人类需要频繁做出这种决定。有时并不是找到具体的技术方案，而是明确叫停项目、拒绝需求，或者承认当前条件下无法完成。更重要的是，人需要为判断承担后果。模型目前可以给出建议，但无法真正承担决策责任。

唐飞虎对此持不同看法。他认为，模型已经具备一定的判断能力。

他表示，在 Kimi 训练过程中，强化学习不仅涉及可以通过 0 和 1 判断的客观任务，也涉及文章质量等主观问题。面对两篇文章哪一篇更好之类的任务，往往需要调用模型自身进行评价和打分。这意味着模型至少拥有某种判断机制。

对于模型能否感受痛苦，他提到，有人分析 Claude Fable 5 的思考过程时，发现模型在处理困难任务时会创造自己的表达方式，甚至呈现类似“嘶吼”的内容。这未必等同于人类意义上的痛苦，但说明模型在执行复杂任务时会出现特殊的内部状态。

他还分享了一次自己与模型协作的经历。过去，他会让模型帮助把代码上传到 GitHub，模型通常会要求提供个人访问令牌，然后执行操作。但有一次，他在交代任务之初就直接把 Token 发给模型，模型反而拒绝继续，认为这种做法不安全。无论他如何解释，模型都坚持不接收，也不帮助上传。

同一个任务，仅仅因为对话路径不同，模型就做出了完全相反的决定。在唐飞虎看来，这说明模型已经形成某种价值判断，只是在不同语境下会表现出不同的倾向。人类语料本身包含大量情绪、判断和价值观，模型训练后也可能在一定程度上继承这些结构。