Claude Code用户激增显效:AI编程工具如何赢得开发者青睐?

Claude Code 4个月吸引11.5万开发者,高价也值!AI加速代码生产力。

原文标题:Claude Code发布4个月,用户已经11.5万了,开发者:200 美元/月不算贵

原文作者:机器之心

冷月清谈:

Anthropic的AI代码助手Claude Code自发布四个月以来,已异军突起吸引了11.5万名开发者,并在一周内成功处理了高达1.95亿行代码,据此估算其年收入有望达到1.3亿美元。这一令人瞩目的成绩,充分印证了开发者对AI大模型在提升生产力方面的巨大认可和付费意愿。

用户反馈普遍指出,Claude Code能够显著提高日常编码和代码解释的效率。它集成了最先进的Claude Opus 4模型,并提供文件操作、代码搜索、网页浏览和Git工作流管理等全面的开发环境集成功能。特别是在理解项目架构和生成符合上下文的代码建议方面,Claude Code表现出色,其无需频繁跳转界面的顺畅工作流深受好评

文章提到,即使面对大型代码模块,开发者也对其偶尔出现的问题表示接受。与竞品Cursor相比,多数开发者认为Claude Code在代码库理解、工具调用和上下文管理方面更胜一筹。尽管每月200美元的Max计划费用不菲,但专业开发者普遍认为,为了节省宝贵的“时间”,这笔投入物有所值。文章还揭示了一个明显趋势:开发者群体对AI辅助编程工具的接受度日益提升,且这些工具的能力已远超“入门级”水平。尽管代码质量、安全漏洞和知识产权等挑战依然存在,但从Claude Code的成功可以看出,AI在提升开发效率这个核心价值上,已交出了一份让开发者满意的答卷。

怜星夜思:

1、“AI编程工具能力已远超「入门级」水平”。大家觉得,未来AI能达到什么程度?真的会完全取代一部分程序员,还是说只是把我们的工作模式给彻底改变了?你们身边有朋友因为AI开始焦虑了吗?
2、文章提到Claude Code和Cursor的定价差异以及用户体验的权衡。在选择AI辅助编程工具时,除了价格和功能,大家还会特别关注哪些方面呢?比如数据隐私、社区支持或者和现有开发环境的兼容性之类的?
3、AI辅助编程工具虽然效率高,但文章也提到了代码质量、安全漏洞和知识产权问题。有没有大佬实际遇到过这方面“坑”的?或者你们觉得,这些潜在风险有没有啥好办法能规避或降低?

原文内容

机器之心报道

编辑:张倩

在「写代码」这件事上,大模型是真的在提高生产力,开发者也愿意花钱买时间。


都说「写代码」是当前 AI 大模型最有希望的应用,事实果真如此吗?


根据 Anthropic 最近公布的一项数据,他们的 Claude Code 已经吸引了 11.5 万名开发人员,并在一周内处理了 1.95 亿行代码。而这款工具,才刚刚发布 4 个多月。



Menlo Ventures 风险投资家 Deedy Das 据此推断,仅靠 Claude Code 这个产品,Anthropic 的年收入就可能达到 1.3 亿美元。



按照这个算法,每个开发者平均每年将向 Clade Code 贡献超过 1000 美元。这比很多个人订阅服务都高得多,意味着用户群体中存在大量高价值、高粘性的付费用户。


当然,这个推断基于一系列假设,包括「每行代码大约产生 15 个 token」「 纯代码输出只占总输出 token 的 25%」「 输入 token 的量大约是输出 token 的 10 倍」「模型使用量中,50% 是 Sonnet 模型,50% 是 Opus 模型 」「 11.5 万名开发者中有 5% 订阅了 Max 计划 」等,所以实际结果可能存在一定偏差。



此外,「1.95 亿行代码」这个数字也需要谨慎解读,因为单行代码更改可能需要多次迭代和修正才能达到质量要求。



从目前的用户反馈来看,Claude Code 确实有着较好的口碑。它集成了 Anthropic 最先进的 Claude Opus 4 语言模型,提供文件操作、代码搜索、网页浏览和 Git 工作流管理等综合开发环境集成功能,使得开发者的日常编码和代码解释工作的效率大幅提升。


很多用户反映 ,Claude Code 在理解项目架构和生成符合上下文的代码建议方面表现出色。它能够直接在开发环境中浏览文档并执行命令,不像那些基于网页的工具需要你在不同界面间来回跳转,使得工作流程更加顺畅。


在这些用户看来,付给 Anthropic 的钱是物有所值。




即使在处理超过 1000 行代码的大型模块时遇到问题,这些开发者也觉得可以接受。



甚至一些之前用 Cursor 的开发者也在转向 Claude Code,原因包括:Claude Code 对于代码库的理解、工具的调用以及上下文的管理都更为出色,使用体验更好。





在 Cursor 调整了定价策略后,之前觉得 Claude Code 贵的开发者也开始动摇。如果两家定价差别不大,大家可能都会涌向使用体验更好的一方。


在调整定价策略前,Cursor 的 Pro 订阅每月收费 20 美元,提供每月最多 500 次请求的限制,用户可以使用任何模型进行请求。由于是按请求次数收费,一些用户可能通过这宝贵的 500 个请求中的每一个发送大量 token。调整后,原有的基于请求次数的限制改为基于计算量(token 消耗)的限制。用户每月有 20 美元的预算用于 token 消耗,超出部分将按照实际使用量收费。同时,Cursor 还新增了每月 200 美元的 Ultra 计划,此计划与 Claude code 的 Max 计划收费相当。



更何况,很多专业开发者其实更看重究竟哪个软件能给自己节省「时间」,成本反而不是那么敏感。




有人把这些差异归因于模型开发者直接做产品和「套壳」的区别。




其实,无论是用 Cursor 还是 Claude Code,一个非常明显的趋势是,开发者群体对于 AI 辅助编程工具的接受度正日益提升。而这些工具,可能已经不是简单的「入门级开发者」水平。




当然,AI 编程工具面临的挑战依然存在:代码质量把控、安全漏洞风险、知识产权问题等。但从 Claude Code 的表现来看,至少在「提升开发效率」这个核心价值上,AI 已经交出了一份让开发者满意的答卷。 


参考链接:

https://x.com/deedydas/status/1941683553361854710

https://ppc.land/claude-code-reaches-115-000-developers-processes-195-million-lines-weekly/


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:liyazhou@jiqizhixin.com

关于‘除了价格和功能还关注啥’,我更关注这个工具背后的公司是否靠谱,有没有技术持续投入的能力,这决定了它能不能长期活下去并不断迭代。谁也不想花时间深入学习一个工具,结果没多久就黄了。此外,它是否支持多语言或多框架也很重要,毕竟我们不是只用一种语言。还有就是它的‘生态系统’,比如有没有插件市场,或者能否与其他开发工具联动,这关系到它的可扩展性和通用性。

取代?想多了吧!AI要是真能完全取代程序员,那谁来给AI打工呢?谁来给它的bug擦屁股呢?谁来理解那些奇葩的需求呢?再说了,AI哪懂我们程序员加班熬夜秃头的痛?我觉得以后顶多就是多了一个“AI生成代码审查师”的岗位,就是专门找AI写出来的那些“自作聪明”的问题(狗头)。短期内,我们还是AI的甲方爸爸!

‘AI编程工具的坑’?那可太多了!当你以为AI帮你省了时间,结果它给你生成了个表面人畜无害,实际上逻辑复杂到爆炸,调试起来能气死人的bug时,你就会发现‘省’下来的时间都用来骂AI了!:rofl::rofl::rofl: 它可能给你写一堆看似完美的测试用例,但就是测不出真实场景的边缘问题。规避嘛……我觉得最好的办法是心怀‘这家伙可能随时掉链子’的警惕之心,然后每次用它生成代码都像审判犯人一样严查。毕竟AI目前只是个‘高考优等生’,不是‘经验丰富的老司机’。

对于「选择AI辅助编程工具除了价格和功能还关注啥」这个问题,我首先会看它和我的开发环境集成度怎么样。比如能不能无缝接入VS Code或者JetBrains家的IDE?要是每次用还得切来切去,即使功能再强也会劝退的。其次,响应速度非常关键,不能卡顿。再来就是社区活跃度,遇到问题能找到人问也很重要。最后,自定义能力也算一个加分项,比如能否基于我的私有代码库进行训练或优化。

我觉得取代肯定是不至于的。大家可以把AI想象成一个超级牛的实习生或者高级助手。它能帮你写很多样板代码,找bug,甚至帮你理解别人的代码。这样我们就有更多时间去思考业务逻辑、用户体验,或者学习新的技术栈。未来程序员的工作重心会从“写代码”变成“管理AI写代码”和“定义复杂问题”。所以,焦虑归焦虑,关键还是得学会怎么驾驭AI,而不是被它淘汰。

针对‘AI编程工具的坑’,我个人在实际项目中就遇到过IP问题。有一次用AI生成了一段正则表达式,后来查了一下,发现跟网上某个开源项目里的代码高度相似,虽然不是直接复制,但万一惹上版权官司可就麻烦了。所以现在我们对AI生成的关键代码,都会用一些代码查重工具再过一遍。安全漏洞也是个隐患,AI有时候为了效率会生成一些不够严谨的代码,需要资深工程师二次审核,不能完全信任它。解决办法就是:AI是加速器,但不是免检产品,人肉review不能少。

关于“AI是否会取代程序员”的问题,我个人倾向于认为,AI更多是会改变我们工作的范式,而非完全取代。未来程序员可能更专注于高层次的设计、架构优化、复杂系统集成以及人机协作。低级的、重复性的编码工作会更多地由AI完成,这要求我们提升自身解决复杂业务问题的能力和创新能力,而不是仅仅停留在实现层面。焦虑是正常的,但也是转型的动力。

讨论到‘AI编程工具的潜在风险和规避’,我觉得对于代码质量和安全漏洞,结合现有的自动化工具是比较好的解决方案。比如,把AI生成的代码直接接入CI/CD流水线,强制执行静态代码分析(如SonarQube),安全扫描(如SAST/DAST),以及必要的单元测试和集成测试。对于知识产权问题,最稳妥的办法是使用那些声称在数据源上严格筛选、或者允许在私有数据上进行微调的模型。如果无法避免,那就要求开发者对AI生成代码的每一行都负责,必要时进行重写或大量修改以规避潜在风险。

说到选择AI工具除了常规因素,‘数据隐私和安全’绝对是重中之重。特别是对于企业级用户来说,你把核心代码喂给AI,如果它背后有个大模型是通用的,那会不会泄露商业机密?或者模型生成了带有安全漏洞的代码,谁来负责?还有就是伦理问题,比如AI生成代码的版权归属,以及如果AI学习了某个开源协议的代码,生成的内容是否需要遵循同样的协议?这些都是比价格更深层次的问题。