核心摘要
2026 年，AI 编程工具的竞争已经从「谁的补全更准」彻底转向「谁的 Agent 更能独立干活、更能编排一队 Agent」。综合 9 月最新公开信息与编辑部实测：Claude Code 凭借 Projects 多智能体编排（Coordinator 统一调度并行 worker）卫冕综合榜首；Cursor 并入 SpaceX 后加速 agent 化，自研 Composer 2.5 模型以约十分之一的成本逼近旗舰级水准；OpenAI Codex 随 GPT-6 Astra 重写 harness，异步委派路线独树一帜；GitHub Copilot 完成从包月到按量的计费切换，补全体验依旧不限量；Windsurf 并入 Devin 品牌，转型为 Agent 指挥中心；Google Antigravity 则接棒 Gemini CLI，成为谷歌系编程 Agent 的统一入口。相比 6 月初版的四强格局（54.7 / 53.0 / 51.6 / 48.4），本次更新把评测扩容至六强，评分框架与结论均已重估。
一、评测背景：三个月，赛道换了三次游戏规则
本文初稿发布于 2026 年 6 月 3 日。此后不到四个月，行业接连发生三件足以改变评测框架的大事：
计费规则重构。6 月 1 日起 GitHub Copilot 全面转向 AI Credits 按量计费（1 credit = 0.01 美元），Cursor、Windsurf 与 Anthropic API 同期跟进调价——靠包月补贴换取增长的时代宣告结束，Agent 的真实 token 成本被摆上台面。第三方测算显示，重度 Agent 用户的月度支出可达此前的数倍（独立媒体口径）。
产品身份巨变。6 月 2 日 Cognition 将 Windsurf 整体更名 Devin Desktop，7 月 1 日老牌本地 Agent Cascade 正式退役；8 月 14 日 Cursor 官宣并入 SpaceX，其最大模型合作方 OpenAI 随后宣布合同进入退出流程。
编排竞赛开打。9 月 10 日 Cursor 推出 Projects 协调者架构，9 月 17 日 Anthropic 重建 Claude Code Projects 并推出 Coordinator 多智能体调度——两大头部产品在同一周内押注了同一种形态：开发者不再逐条对话，而是指挥一支并行工作的 Agent 舰队。
二、六强武器库盘点（截至 9 月 21 日）
1. Claude Code：从单体 Agent 到 Coordinator 编排
9 月 17 日，Anthropic 将 Claude Code 的 Projects 功能推倒重建：新的 Coordinator（协调者）Agent 负责拆解复杂需求，再把子任务派发给并行运行的 worker 线程——每个 worker 都是一个完整的 Claude Code 实例，跑在独立的 git 分支与仓库副本上，通过统一记忆与共享工件库保持同步。该能力目前为云端执行、面向 Pro / Max 部分订阅者开放 beta，官方称其内部已有 26% 的研发工作由 Claude Agent 主导（厂商口径）。
支撑这一切的底座是 9 月 1 日发布的 Fable 与 Mythos 5.1 两款模型。整个 9 月 Claude Code 迭代密集：新增 claude plugin eval 插件评测命令（可对照无插件基线打分）、Workflow 并发 Agent 上限放宽至 256、兼容 AGENTS.md 项目指令标准、支持远程会话 fork。产品重心已经清晰：让 Agent 在更少人工确认下跑得更久、更稳。
2. Cursor：SpaceX 旗下，自研模型加云端 Agent 舰队
Cursor 今年的关键词是「去依赖」。自研 Composer 系列迭代到 2.5：200k 上下文，基于开源底座加自家强化学习训练，官方基准称其接近 Claude 旗舰模型的编码水准、而单任务成本约为其十分之一（厂商口径）。定价上标准版每百万 token 输入 0.50 美元 / 输出 2.50 美元，Fast 版 3 / 15 美元且已是默认档位——自研模型让 Cursor 的订阅制在按量计费浪潮中反而更抗冲击。
产品侧，9 月 10 日上线的 Cursor Projects 提供协调者 Agent、云端运行与 Slack / PR 订阅入口；9 月 2 日的自托管机器（Self-hosted machines）支持在团队内网执行工具调用。隐忧在于生态：并入 SpaceX 后，OpenAI 已宣布其合作合同将于 11 月 12 日终止（消息口径），多模型供给的稳定性成为企业客户的新关切。
3. GitHub Copilot：补全免费，Agent 计量
6 月 1 日的计费切换是 Copilot 生态的分水岭：代码补全与 Next Edit 建议在所有付费档依旧不限量，但对话、Agent 模式、代码审查改为按 token 消耗 AI Credits。席位价未变——Pro 10 美元（含 15 美元额度）、Pro+ 39 美元（含 70 美元）、新增的 Max 档 100 美元（含 200 美元额度）、Business 19 美元 / 人。独立测算显示，重度 Agent 用户月成本可达 178 美元上下（第三方口径），「性价比之王」的标签如今只对补全为主的用户成立。
能力侧 9 月有三处更新值得注意：Copilot 应用接入 Jira、CLI 引入 HydraFusion 自适应模型编排、代码审查 Agent 可以自动处置自己提出的评论。加上此前 agent mode 覆盖 JetBrains，Copilot 的 Agent 能力已铺满主流 IDE——但按量计费意味着「放开让 Agent 跑」的成本需自行监控。
4. Windsurf → Devin Desktop：从 IDE 到 Agent 指挥中心
6 月 2 日的更名通过 OTA 推送完成，但产品定位的变化远大于名字：默认启动面不再是编辑器画布，而是 Agent Command Center 看板——本地与云端 Agent 以看板卡片统一管理，Spaces 机制让多个 Agent 共享会话、PR、文件与上下文。老牌本地 Agent Cascade 已于 7 月 1 日退役，继任者 Devin Local 以 Rust 重写，官方称 token 效率提升约 30% 且支持子 Agent 拆分（厂商口径）。
模型与计费方面：免费档搭载自研 SWE-1.6，Tab 补全在免费档也不限量；3 月起由积分制改为每日 / 每周配额，Pro 20 美元 / 月，新增 Max 档 200 美元。它还率先支持 ACP 开放协议，Codex、Claude Agent 等第三方 Agent 可直接进驻运行——在巨头环伺下，这既是差异化，也是生存策略。
5. OpenAI Codex：GPT-6 Astra 重写 harness，异步委派独树一帜
Codex 是六强里产品节奏最激进的选手。7 月 9 日 GPT-5.6 系列正式可用（Sol / Terra / Luna 三档分工，Luna 主打跑量），Codex 同日并入统一的 ChatGPT 桌面应用，所有订阅档（含免费档）均可使用；9 月 3 日 GPT-6 Astra 发布，Codex harness 随之重写，官方称任务完成速度较 GPT-5.6 Sol 提升约 1.9 倍（厂商口径，含模型与 harness 的叠加贡献）。9 月 10 日，Codex harness（上下文压缩、工具检索、子智能体）以 Agents API 形式开放公测，并接入 Cloudflare、Vercel 等合作伙伴的沙箱环境。
它的差异化在于「异步委派」哲学：你描述任务后离开，Codex 在云端沙箱跑完再回来交付 PR，Multi-agent v2 支持多智能体分头改库表、API 与前端后由协调者合并。CLI 官方宣称 token 效率约为 Claude Code 的 4 倍（厂商口径，社区反馈方向一致但幅度存疑）。计费捆绑在 ChatGPT 订阅里：Plus 20 美元即含完整 Codex，Pro 100 / 200 美元对应 5 倍 / 20 倍额度；Luna 档的 5 小时滚动窗口消息上限远高于 Sol。短板同样明确：任务发出后中途难以干预、高峰期延迟波动大。
6. Google Antigravity：接棒 Gemini CLI 的统一入口
谷歌系的阵容在 6 月经历了一次重排：5 月 19 日 Google 宣布把终端 Agent 工作统一到 Antigravity，6 月 18 日起 Gemini CLI 与 Gemini Code Assist 扩展对个人免费用户及 AI Pro / Ultra 订阅者停止服务——「用个人 Google 账号白嫖每天 1000 次请求」的时代就此落幕（企业版 Code Assist 与付费 API key 不受影响，开源仓库仍在活跃维护，Star 数约 10.7 万）。继任者 Antigravity CLI 以 Go 重写、支持多智能体，与 Antigravity 2.0 桌面端共享 harness，原 Gemini CLI 的 skills、hooks、子智能体与扩展可迁移。
对个人开发者，Antigravity 的吸引力在于延续了大上下文与免费起步的组合：Gemini 3 系模型的 1M token 上下文窗口在整仓级任务上仍有优势。但迁移并非无损——换代的 CLI 在发布初期出现过编辑失败与配额报错等质量问题，免费档在高峰期可能路由到更轻的模型，且免费档的数据使用条款对专有代码并不友好（可选退出）。选它之前，先确认自己的工作负载是否吃得到 1M 上下文。
三、核心维度对比（9 月更新版）
1. 形态与编排能力
| 工具 | 产品形态 | 多 Agent 编排 | 本地 / 云端 |
|---|---|---|---|
| Claude Code | 终端 + IDE + 桌面 + 浏览器 | Coordinator + 并行 worker（beta） | 编排仅云端，单 Agent 可本地 |
| Cursor | Agent 优先 IDE + CLI + 云端 | Projects 协调者 + Agent 舰队 | 本地 + 云端 + 自托管 |
| Codex | CLI + IDE 扩展 + macOS 应用 + ChatGPT 内置 | Multi-agent v2 + Ultra 模式 + Agents API 服务端子智能体 | 云端沙箱为主，CLI 可本地 |
| GitHub Copilot | 编辑器内嵌 + CLI + 云端 | Agent mode + HydraFusion 编排 | 云端（GitHub Actions 环境） |
| Devin Desktop | Agent 指挥中心（内含完整 IDE） | Command Center 看板 + Devin Local 子 Agent | 本地 + 云端 |
| Google Antigravity | Agent 命令中心 + Antigravity CLI | 多智能体（桌面端与 CLI 共享 harness） | 本地 + 云端 |
2. 计费与真实成本（6 月版没有、9 月必须新增的维度）
| 工具 | 入门价 | 补全 | 重 Agent 用户成本 |
|---|---|---|---|
| GitHub Copilot | $10/月（Pro） | 不限量 | 按量 Credits，第三方测算重度约 $178/月 |
| Cursor | $20/月 | — | 订阅内含额度，自研模型成本优势明显 |
| Claude Code | $20/月（Pro） | — | 跑量需 Max $200，多 Agent 并行消耗快 |
| Devin Desktop | $20/月（Pro） | 免费档也不限量 | 每日 / 每周配额制，Max $200 |
| Codex | 免费档 / Go $8 / Plus $20 | — | ChatGPT 订阅捆绑，Luna 档 5 小时窗口额度远高于 Sol |
| Google Antigravity | 个人免费起步 | — | 高峰期可能降档到轻量模型；企业走 Code Assist 授权或 API key |
3. 综合得分（编辑部口径）
| 排名 | 工具 | 总分 | 核心优势 |
|---|---|---|---|
| 🥇 | Claude Code | 56.4 | 编排能力最成熟，复杂任务与长会话首选 |
| 🥈 | Cursor | 55.1 | 自研模型拉低成本，IDE 体验依旧出色 |
| 🥉 | Codex | 53.8 | 异步委派独特，订阅捆绑性价比高，开源 CLI |
| 4 | GitHub Copilot | 51.2 | 补全免费不限量，GitHub 生态无可替代 |
| 5 | Devin Desktop | 50.6 | 多 Agent 管理看板独特，ACP 开放生态 |
| 6 | Google Antigravity | 49.3 | 1M 上下文 + 免费起步，生态仍在换挡期 |
与 6 月版相比，头部格局未变但队伍扩容：Copilot 因按量计费带来的成本不确定性下调（51.6 → 51.2）并让出第三名——Codex 凭借订阅捆绑、开源 CLI 与 Multi-agent v2 直接空降探花；Devin Desktop 凭借 Devin Local 与 ACP 生态上探（48.4 → 50.6）；Antigravity 作为新入榜者，吃 1M 上下文与免费起步的红利、也承受生态换挡期的动荡。Cursor 与 Claude Code 的差距从 1.7 分缩至 1.3 分。评分为编辑部基于公开信息与实测的主观加权，仅供参考。
四、选型建议（更新版）
- 补全为主、预算敏感 → GitHub Copilot Pro（$10/月，补全不限量仍是同类中的性价比标杆，但别放开让 Agent 随便跑）
- 复杂重构 / 长会话自主任务 → Claude Code（Coordinator 编排当前最成熟，注意用量额度与云端限制）
- 想要一体化 IDE + 低成本跑 Agent → Cursor（Composer 2.5 成本优势明显；关注 OpenAI 合同退出后的模型供给变化）
- 已订 ChatGPT / 偏好异步委派提 PR → Codex（Plus $20 即含全量，Luna 跑量、Sol 攻坚；任务中途不可干预要先适应）
- 同时管理多个 Agent / 已在 Devin 生态 → Devin Desktop（Command Center + Spaces 的多 Agent 管理体验独特）
- 预算为零的学习者 / 整仓大上下文探索 → Google Antigravity（免费起步 + 1M 上下文；专有代码注意免费档数据条款）
- 企业团队 → Copilot Business（$19/人，组织级管控成熟）或 Claude Code 团队版（重自动化场景）
五、趋势展望：四季度三大看点
趋势一：多智能体编排成为主战场。Claude Projects、Cursor Projects 与 Devin Command Center 在同一周内先后押注「协调者 + 并行 worker」架构。IDE 正在退化为 Agent 的宿主界面，竞争焦点转向任务拆解质量、分支冲突处理与共享记忆机制。
趋势二：按量计费成为行业默认。6 月的集体调价并非孤立事件——Agent 的 token 消耗没有生物学上限，包月模式在数学上无法持续。下一阶段的差异化将围绕成本可预期性展开：配额工具、用量看板、模型路由（便宜模型跑简单步骤）都会成为标配。
趋势三：整合与站队加速。Cursor 并入 SpaceX、OpenAI 合同进入退出流程、Cognition 收拢 Devin 品牌——独立 AI 编程工具公司所剩无几。2027 年的竞争将主要在巨头生态之间展开，开放协议（如 ACP）能否让工具保持中立性，值得关注。
总结：四个月前我们说「没有完美的工具，只有最适合的选择」，这句话如今要加两个注脚——选工具同时也是选生态与计费模式，而且六强没有一家在单点技术上拉开代差。如果你要复杂逻辑推理和多文件深度重构，Claude Code 仍是当前综合表现最好的选择；追求日常开发的行云流水与成本可控，看 Cursor 的自研模型路线；手里有 ChatGPT 订阅就先试试 Codex 的异步委派；补全为主留在 Copilot；要指挥 Agent 舰队去看 Devin Desktop 的看板；预算为零就从 Antigravity 开始。真正拉开差距的，已经从模型能力变成编排效率与账单可预期性。
（注：本文数据截至 2026 年 9 月 21 日；文中标注「厂商口径」的数据来自官方博客或发布说明，标注「第三方口径」的数据来自独立媒体或行业测算，实际体验因使用环境与项目类型而异。）