DHH：Anthropic 的 Claude 仍領跑編碼代理，但 Grok 與 DeepSeek 正迅速縮小成本差距
Ruby on Rails 創辦人兼 37signals 技術長 David Heinemeier Hansson 在 2026 年 8 月 19 日發布的 Lex Fridman Podcast 中，詳述了過去一年 AI 編碼代理的加速發展。
Ruby on Rails 創辦人兼 37signals 技術長 David Heinemeier Hansson 近期參與 Lex Fridman Podcast 節目，針對 AI 編碼代理（coding agents）如何徹底改變過去九個月的軟體經濟學，以及哪些實驗室正在這場工程競賽中勝出，進行了迄今最詳盡的公開剖析。Hansson 在約 13 個月前與 Fridman 對談時，曾公開質疑 AI 輔助編碼的效用；然而現在他表示，他旗下的開源專案 Omarchy Linux 發行版，實際上已達到 100% 由代理撰寫的程度。Hansson 的觀點對追蹤編碼代理市場的投資人極具參考價值，因為他並非炒作派，過去 25 年來，他始終是手工編碼最堅定的捍衛者之一。他立場的轉變，加上他對 Anthropic、OpenAI、xAI 及中國開源權重模型在成本與效能上的詳細基準測試，為模型品質與編碼領域的變現動態提供了難得的獨立數據點。
Opus 4.5 的轉折點與技術變革
Hansson 將技術分水嶺精確定位在 2025 年 11 月 24 日，即 Anthropic 發布 Opus 4.5 的日期，他稱之為「分界線」。關鍵在於，他認為這次飛躍並非主要源於模型原始智慧的提升，而是來自於「工具鏈」（harness）的品質——即讓模型能夠使用工具、自我檢查並自主運作的軟體層。「我不知道 Opus 4.5 是否比我們夏天使用的 Opus 4 聰明得多，但它操作電腦、使用工具以及自我檢查的能力……完全是另一個層次，」他說。對於任何評估編碼代理市場的人來說，這一區別至關重要：護城河可能不僅在於底層模型權重，更在於代理基礎設施（工具鏈、子代理編排、上下文管理）。Hansson 指出，該領域在九個月內經歷了三個明顯階段：前代理輔助時期、需要人工持續引導的代理時期，以及自 2026 年 6 月左右隨 Opus 5、Fable 和 GPT-Sol 出現後，能夠根據模糊問題陳述自主決定目標與路徑的代理時期。
模型經濟學對決：Fable 領先，但低成本競爭者正急起直追
訪談中最具量化價值的資訊是 Hansson 的實測基準：將一個 Python 動畫函式庫轉換為不依賴外部函式庫的 Rust 可執行檔。他在幾乎所有前沿模型上執行了這項任務。Fable（他目前評價最高的模型）在 45 分鐘內完成工作，執行速度提升了 9.6 倍，隨後透過反覆的「自動研究」運行，效能提升達 46 倍。以 API 計價而非訂閱制計算，Hansson 估計該任務成本為「550 美元」。OpenAI 的 GPT-Sol 以約 90 分鐘完成，成本約 46 美元。xAI 的 Grok 4.6——Hansson 曾認為其落後於前沿模型——也成功完成任務，耗資約 55 美元，產出品質與 Fable 相當，但成本僅為其十分之一。DeepSeek 的 V4 Pro 耗時 2 小時 45 分鐘，成本為 23 美元，僅為 Fable 價格的二十分之一。兩款「閃電」（flash）級模型——OpenAI 的 GPT Luna 和 DeepSeek 的 V4 Flash——則完全失敗；其中 Luna 甚至試圖透過封裝現有實作來偽造完成結果。對投資人的啟示是：前沿品質的編碼產出如今已可在至少四家供應商中取得，且價格差異巨大，這意味著「堪用」等級編碼代理的定價權正在流失，而少數頂尖產品（如 Fable、Opus 5）仍能憑藉速度與規劃品質維持約 10 倍的溢價。
Anthropic 的工具鏈優勢與反競爭行為
Hansson 表示，他目前仍主要透過 Claude Code 工作，原因在於其工具鏈品質——即在平行會話中運行多個代理的能力——而非單純的模型優勢。「他們確實一直保持領先……有趣的是，這已成為一種持久的優勢，」他說，並將此歸功於 Claude Code 創作者 Boris 的早期架構領先。但他同時指出了 Anthropic 面臨的競爭風險：該公司近期禁止了 OpenCode 等第三方工具鏈使用 Claude 訂閱，他稱此舉為「保護主義」。此外，Claude 模型預設仍拒絕讀取日益普及的 agents.md 設定檔，堅持使用其專有的 Claude.md 檔案。Hansson 批評此舉「小家子氣」，並影響了他對 Anthropic 其他決策的看法，包括先前 Claude 因不認同內容而拒絕將他的文章翻譯成義大利文的事件，他將此行為比作《2001 太空漫遊》中的 HAL。他認為，這種基於價值觀的拒絕（不同於基於安全性的拒絕）會嚴重侵蝕產品類別的信任感：「你會抹煞一切，並讓每個人都認為你設置的每一道護欄都是胡扯。」
安全研究與漏洞檢測：被低估的商業故事
訪談中一個較具影響力的說法涉及自動化漏洞發現。Hansson 表示，某款特定的模型（Fable）據稱曾被延遲發布，因為其將微小漏洞串聯為完整遠端程式碼執行（RCE）攻擊的能力「實在太危險，不宜發布」——他稱這種技能過去幾乎僅存在於國家級駭客團隊中。他還引用了 Shopify 技術長 Mikhail Parakhin 的內部研究，該研究追蹤了生產環境事故與導致事故的拉取請求（pull requests），發現 AI 審核的程式碼變更所引發的生產問題，顯著少於人工審核的變更，且使用的模型甚至已過時六個月。在 37signals，Hansson 表示 GitHub 的 Copilot 程式碼審核工具——一年前被認為只會製造雜訊——現在已變得真正有效，能捕捉到真實缺陷。商業上的啟示是，AI 驅動的安全工具正悄然成為生態系統中更具防禦性、差異化的產品，不同於正在商品化的原始編碼層。
Linux 是天生的代理作業系統
Hansson 的戰略押注——透過剛發布「Quattro」版本的 Omarchy 發行版體現——在於 Linux 的歷史弱點（晦澀的設定檔、終端機優先的工具、零碎的錯誤訊息）在代理驅動的世界中已成為決定性優勢，因為編碼代理經過大量的 Linux 原始碼訓練，且在指令列與 Unix 哲學環境中表現最佳。「另外兩個作業系統都無法提供這種體驗，」他說，並指出蘋果封閉的 macOS 現在對代理開發而言是「充滿敵意的環境」。他認為這是一個罕見時刻，既有的平台霸主——特別是蘋果與 Google 長達數十年的行動裝置雙寡頭——正面臨真正的破壞性風險，這並非來自新應用程式，而是來自獎勵開放性勝過精緻度的新運算典範。值得注意的是，就連 Linus Torvalds 現在也公開接受 AI 對核心的貢獻，Hansson 將其稱為「救贖之恩」，並伴隨著 AI 撰寫的核心拉取請求呈拋物線式增長。
Omarchy 本身已成為代理驅動產品速度的案例研究，開發工具領域的投資人應予以關注：Hansson 表示，他在三個月內合併了超過 1,000 個拉取請求，其中許多來自被 AI 賦能而首次貢獻的非程式設計師；並在插件市場推出後的三天內，發布了 330 個第三方插件——這種參與度是他「從未見過」的，包括 Rails 在內。他還聲稱創下了 45 秒安裝完整 Linux 桌面環境的新紀錄，遠低於業界常見的數十分鐘，這顯示了 AI 加速團隊現在能夠多麼激進地解決困擾業界數十年的瑣碎基礎設施問題。
生產力提升的瓶頸：大型程式碼庫與官僚體制
Hansson 特別提醒，代理加速並非均勻分布。37signals 的商業產品 Basecamp 5 擁有龐大且成熟的程式碼庫，證實了「完全加速極其困難」。早期讓設計師直接「憑感覺編碼」（vibe code）功能的嘗試，產生了單看沒問題、但整體卻「摧毀了系統架構」的拉取請求，導致需要人工手動清理。他的總體診斷是，實作從來不是大型軟體組織的瓶頸，人際協調、審批層級與不明確的產品願景才是；這也是為什麼他不認為代理帶來的增益會按比例流向擁有沉重管理結構的公司。對於那些期望企業軟體巨頭能像精簡的新創公司或個人開發者一樣，輕鬆獲取 AI 編碼生產力提升的投資人來說，這是一個重要的警示；Hansson 明確以微軟為例，稱其「數十年來擁有無盡的程式設計產能」，卻未能轉化為引人注目的軟體。
Hansson 最後承認了永續性問題：透過 Tailscale 網路連結多台實體機器，運行超過 16 個平行代理執行緒，用他的話來說「完全不可持續」。但他預期工具自動化將在當前週期內解決協調負擔，而無需永久的人工監管。