AI编程赛道新变局：字节豆包2.1 Pro如何对标Claude，低价策略能否突围？
一年多以前，Cursor还是林鸣用得最顺手的编程工具之一。他在一家互联网大厂负责Agent落地的研发，那时的AI辅助更多的是帮他补几行代码、调一调参数。在那个编辑器里，大模型就像一个随时待命的助手，嵌在工作流里面，供他随时调用。
如今，林鸣已经很久没有打开Cursor了，日常反而更多依赖Claude Code、Codex，以及公司自研的AI编程平台。
这不止是工具的更替。过去用Cursor的时候，AI更像坐在副驾的导航员，程序员仍然牢牢把控着方向盘；而到了Claude Code和Codex，模型已经直接被编织进了研发流程当中。给它一个需求，它可以自己拆解需求、阅读代码、调用外部工具、跑测试，并最终交付一个可用的结果。
也就是说，林鸣可以把一整块工作直接交给AI去完成。但这样做，代价也随之而来，token的消耗量肉眼可见地往上蹿。
起初，公司给工程师的额度几乎不设上限，后来感觉到成本压力，额度开始收紧，林鸣干脆自己掏钱订阅了好几款工具。身边像他这样自费订阅的同事，不在少数。
当一名开发者甘愿自己为工具买单，背后藏着的，其实是一个已经被验证的市场。
Anthropic是最早接住这个市场的AI公司。它虽然没有ChatGPT那样的大众流量，却靠Claude Code讲出了一个更容易把账算清楚的故事——开发者愿意付费，企业愿意采购。如今，它的用户规模远不及OpenAI，但估值已经反超，逼近万亿美元大关。
承压的OpenAI也在重新调整重心。ChatGPT仍然是最重要的用户入口，但Codex的角色却越来越重。有报道显示，Codex在半年内周活增长超过7倍，目前已经突破500万。
国内，智谱则走出了另一条样本路径。
其最新模型GLM5.2的软件工程能力已经逼近Claude Opus 4.8，而Coding Plan的价格却只有Claude的七分之一。这家2025年营收仅为7.24亿元、净亏损却高达47.18亿元的公司，市值一度站上万亿港元。市场显然不是在为当下的财报买单，而是在赌一个“中国版Anthropic”的期待。
比起继续卷用户规模，找到那些愿意持续付费的开发者和企业，正在变得越来越重要，这已成为2026年大模型商业化的一道分水岭。
字节跳动，眼下也在朝着这条路靠近。
其最新发布的豆包2.1 Pro，重点补上了Coding和Agent能力。在发布会现场和评测环节，火山引擎反复拿豆包和Claude Opus等模型对标。种种迹象表明，字节不再满足于让更多用户点开豆包聊天，而是开始瞄准开发者、Agent和真实的生产工作流。
对于一家长期信奉“模型即产品”，最擅长用C端流量滚出增长飞轮的公司而言，这个转身本身就释放出一个明显的信号：免费聊天能带来热度，却很难撑起一门真正赚钱的生意。
01.豆包掉头：一半是诱惑，一半是成本
豆包的掉头，并不是突然发生的。
据多家媒体报道，字节高层到访Anthropic之后，内部启动了一次AI资源的重新梳理，把更多资源从豆包这类大众产品，挪向企业服务和编程模型。为此，大模型数据审核团队从大约1500人扩编到3000多人，专门为编程模型清洗训练数据。火山引擎MaaS还被定下了收入翻10倍的目标。
这一次，它不只是一个模型发布那么简单，更是在组织和资源层面，把AI商业化的重心切切实实地推向了B端。
字节转向B端，动力来自两个方向。
向外看，企业市场已经开始认真为AI能力掏钱；向内看，居高不下的算力支出，迫使每一家公司必须尽快找到一条能自我造血的路。
先看收入端。
短短两年，AI coding已经从程序员尝鲜的玩具，演变为企业软件工程的一个核心组成部分。Stack Overflow 2025年开发者调查显示，84%的受访者已在开发流程中使用或计划使用AI工具，较前一年的76%持续攀升；其中近半数开发者，也就是47.1%，每天都会使用AI来编程。Gartner则预测，到2028年，90%的企业软件工程师将使用AI代码助手，而2024年初这个比例还不到14%。
AI coding的商业价值，体现在两个层面。
一层是开发者的付费意愿。过去，AI编程工具只是几美元一个月的辅助插件。现在，主流产品普遍采用“订阅+用量”的模式，个人版每月十几到几十美元，高强度的Agent版本可以达到100美元以上。
一位开发者开玩笑说，过去担心的是“别让AI取代我”，现在变成了“别把AI从我手里夺走”。
另一层是企业的买单意愿。企业按席位付费，按token量计费，按合同采购。只要AI工具能够真正嵌入研发流程，就有机会变成可预测的持续现金流。
Anthropic的收入曲线，更是让整个行业看到了这个市场的真实厚度。去年5月才发布的Claude Code，到2026年2月，年化收入已经达到了25亿美元。其中，超过一半来自企业客户，年支出100万美元以上的大客户，两个月内从500多家增加到1000多家。整个公司的年化收入也随之水涨船高，从2月份的140亿美元，一路攀升到5月份的470亿美元以上。
再来看成本端。
互联网时代的生意逻辑是“先做规模、再谈变现”。用户够多、停留够久，靠着广告、电商和会员，总能慢慢赚到钱。
但这套逻辑现在跑不通了。AI应用并不是信息流，每一次提问、每一次生成，背后都在实实在在地烧算力。甚至可以说，用户越多，成本就越高。
豆包正承受着这种巨大的压力。据《晚点LatePost》报道，每天有2亿多人使用的豆包，日收入却不到100万元，而且主要来自电商佣金。而今年5月，豆包每天消耗的算力成本就已经达到数千万元——文字聊天尚且不算太贵，像推理、图片识别、语音聊天、视频聊天等多模态功能，其算力成本是纯文本交互的几倍甚至几十倍。
支出压力也直接反映在企业内部的token使用上。
林鸣回忆，他所在的公司一开始给的额度几乎不限量，是因为管理层看到AI能力确实很强，但一时还不清楚到底有多强、能真正给企业带来什么，就只能让大家先用起来看看效果。可用了一段时间后，发现收益并没有成倍增长，于是公司开始主动控制成本。
字节技术副总裁洪定坤在一次公开演讲中，也提到过类似的落差。字节专做AI coding的TRAE团队，90%的代码已经由AI写出，但人均需求吞吐率只提升了60%。
洪定坤认为，问题出在写代码之后的环节。字节做过一组实验，在不同模型和框架下，AI生成代码的功能正确率普遍超过80%，但到了UI还原度、可靠性、可维护性这些真正决定能否上线的维度，分数却只有40到60分。
算力实实在在地烧掉了，但可交付的产出却没有同步跟上。这个差距，正是大厂转向B端时必须率先拆解的一道难题。只有把那些40到60分的半成品打磨成真正可交付的产出，每一分烧掉的算力，才算真正转化成了生产力。
02.字节的优势，也可能变成包袱
豆包的这次转向，是字节整体AI战略的一部分。
字节的AI业务大致可以拆成四条主线：世界模型、视频模型、Coding与Agent，以及豆包商业化。现在被重点拨动的，正是后两条。
Coding与Agent负责打开企业的入口，而豆包商业化负责回答另一个核心问题：庞大的C端流量到底要怎么转化成实实在在的收入。
AI coding这条赛道，目前已经分化成三个层级。面向程序员日常开发的Copilot式插件、重做开发环境的AI IDE，以及试图接管整个任务流程的Coding Agent。
字节的布局，恰好覆盖了这三层。前端用TRAE和插件抢占开发者的入口，中间层以CLI和企业版切入研发流程，底层则由火山方舟和豆包模型提供算力与模型供给。6月23日发布的豆包2.1 Pro，更是将重心明确押在了Coding和Agent上，官方称其在多项测试中已经接近甚至追平GPT-5.5和Claude Opus 4.7。
字节这套打法的底气，来自于它已经验证过的企业服务能力。
火山引擎在B端服务企业多年，手中握着从云、模型调用、MaaS到交付的完整链条。飞书沉淀了大量企业客户和办公协同场景。Seedance则已经跑通了“把模型能力卖给企业”的模式，年化收入约143亿元，毛利率大约70%，单月进账几乎可以覆盖掉豆包的全部算力成本。
字节真正想做的，是比模型更底层的基建。洪定坤在演讲中反复提到一个词——Harness。它指向的是一套涵盖上下文工程、架构约束、团队知识沉淀、技术债梳理，以及测试与交付流程的系统。他的判断是，只有把这些齿轮重新咬合在一起，AI coding才能从生成代码，真正跨越到完成需求。
铺开这套基建，字节依然沿用了低价策略。
根据豆包Coding Plan的定价，最低首月仅需9.9元，Lite套餐后续每月40元，Pro套餐后续每月200元。相比之下，海外主流AI编程工具每月订阅普遍20美元起步，高强度Agent版本更是达到100美元以上——字节给出的入门价格，几乎是“尝鲜无负担”的姿态。
API侧的打法则更为直接。Doubao-Seed-Code按上下文长度分层计费，输入价格每百万tokens最低仅1.2元，输出价格最低8元；火山引擎称，配合缓存后综合使用成本能比行业平均低62.7%。
Coding Plan还支持Claude Code、Cursor、Cline、Codex CLI等主流开发环境，意味着开发者完全不需要迁移工作流，只要把底层模型替换掉，就可以把原本花在Claude和OpenAI上的部分用量切到豆包。这相当于用价格换切量，用兼容性换零迁移成本。
对比Claude Code和Codex，字节选择了一个“低价+产品化+生态打包”的组合，把价格压下来、把接入做得顺滑、把工具做得轻便，让开发者低成本试用，再争取一步步进入他们的日常工作流。
这正是字节在C端最娴熟的打法，也是它眼下最大的优势。火山、飞书、豆包模型共同构成的底盘，是智谱、DeepSeek们短期内难以复制的；低价策略和兼容主流开发环境的设计，也几乎是为快速渗透量身打造的。
但B端和C端截然不同。C端可以靠低价、补贴和快速试错来拉动增长，B端却刚好相反。程序员可以因为便宜来试用，但能不能长期留下来，看的是产品能不能稳定地接住复杂任务，能不能在出问题时第一时间给出可靠的响应。而字节最擅长的快速试错文化，恰恰是B端最警惕的地方。
谷歌是一个值得拿来参照的对手。
它手握Google Cloud、Android、Chrome、Workspace，几乎拥有全球最强的开发者生态，也早早推出了Gemini Code Assist和Gemini CLI。论入口、论生态、论企业客户资源，谷歌并不缺牌；论价格，它也不算激进——Gemini Code Assist Standard年付折合每人每月仅19美元。
但至少到目前为止，开发者的心智并没有自然地流向谷歌。这说明，在AI coding这门生意里，生态和价格都只是入场券，真正难的，是产品体验、模型能力、任务完成率，以及开发者群体的信任。
字节靠低价和生态切入，目前所拿到的，也仅仅是一张留在牌桌上的资格。
03.贴身肉搏才刚刚开始
在林鸣这样的重度用户心里，模型早已排好了座次。
第一梯队是Claude和ChatGPT，第二梯队是智谱、Kimi、DeepSeek，其余大多滑入第三梯队。他算过一笔账，自己花在大模型上的钱，九成都给了第一梯队，剩下的大部分投向了DeepSeek。道理很直接：Claude和Codex负责最难、最重的任务，而DeepSeek便宜、耐烧，适合处理日常那些不那么复杂的活儿。
“这就像游戏里的外挂，”他打了一个比方，“最难的任务当然用最强的武器，简单的才交给性价比更高的模型。”
这种“谁好用就用谁”的态度，在开发者当中相当普遍。
一位科技博主的说法更加直白，AI时代，用户几乎没有什么忠诚度可言，换一个AI工具很多时候只不过是换一个输入框而已。各家辛苦争抢来的开发者，随时可能因为别家更好用、更便宜、更稳定而悄然流走。
更麻烦的是，模型之间拉开差距正在变得越来越难。
林鸣能明显感觉到，模型还在进步，但进步的速度已经不如以前，各个模型之间的差距也越来越小。
这类判断也频繁出现在很多公开的讨论里。a16z创始人Marc Andreessen近期发文称，多位从业者认为GLM-5.2可能是第一个在多数任务上匹敌、甚至超越美国头部实验室公开发布的模型的中国模型。他将此视为一个关键节点，认为大模型的能力格局正从少数美国实验室主导，走向多极化。
当能力差距逐步缩小，各家怎么定价就变得格外关键。如果算不好账，很可能反伤到自家的成本底线。
目前Coding的付费结构主要包括两部分，个人开发者购买订阅，企业客户走API、席位费或合同采购；前者负责扩大规模、养成用户的付费习惯；后者才是利润的真正大头。
以Claude的定价策略为例，个人订阅分为20美元、100美元和200美元三档，虽然不同档位配有相应的用量上限，但整体上收入仍然受限于月费模式。API则按token计费，以常用于Coding的Sonnet模型为例，输入和输出价格分别为每百万tokens3美元和15美元，更高端的Opus模型则分别为5美元和25美元。在高强度、全天候的Agent任务等极端使用场景下，企业的API支出可能达到个人订阅的数倍甚至数十倍。
图源 / Claude官网截图
Agent一旦被真正放入企业的实时工作流，算力成本会持续攀升，但订阅收入却有封顶的天花板，厂商只能依靠限额和峰值扣减来兜底。智谱就曾在这上面吃过苦头。它的Coding Plan一度卖得过于火爆，不得不限量发售，高峰期还要按照更高的倍率来扣减额度。
即便是Anthropic和OpenAI，也得小心翼翼地维持这道平衡。它们一边要让开发者高频使用，形成深度粘性，一边又用精细的限额管理重度用户。Claude的Pro和Max分档限容，Codex的调用也会计入专门的额度。订阅看上去像是固定价格，背后却是一本被严格计量的算力账。
这条赛道，还在不断涌入新的玩家。
仅仅6月下旬，DeepSeek就高调扩招、筹建对标Claude Code的团队，Kimi也把企业业务提到了更加重要的位置上。
而越往深处看，赛道越清晰地分化成了两条路线。
一条是Anthropic和OpenAI代表的专有模型高端路线。它们卖的不是一个便宜的模型，而是企业里的“AI员工”。它们的底牌，是模型能力、产品心智和企业信任。
另一条是更低价、更开放的模型底座路线，DeepSeek、智谱、Kimi、MiniMax扎堆于此。它们想要成为别人AI员工背后的模型底座，抢的主要是API调用、工具集成和私有化部署的份额。
DeepSeek以开源和低价切入，智谱更贴近B端，把模型、Agent、私有化和政企服务打包卖；Kimi和MiniMax则用长上下文、多模态和极致性价比来争夺开发者。
字节恰好卡在了两条路线的中间。
它想要的，是闭源高端路线的终点——一套能稳定交付、能写进企业合同、能真正嵌入工作流的Agent系统。但它选择的入口，却更接近低价路线，压低价格的同时，用兼容性把开发者原本花在Claude和OpenAI上的用量切过来。
这种打法，可能让它两头通吃，也可能让它两头都不够硬。因为，论开发者心智，它一时还难以超越Claude Code和Codex；论极致性价比，又不得不直面DeepSeek、Kimi、智谱的持续挤压。
模型还在变强，但差距却越缩越小。这场竞争最终拼的，是谁能在算力账本上撑得更久。谁能最终跑出来还没有答案，但接下来，一定是一场谁都不敢松手的贴身肉搏。
*题图来源于豆包微信公众号截图。林鸣为化名。