代码翻倍，差距46倍
快了，但不平等
Section titled “快了，但不平等”Cursor 发了第一份开发者习惯报告。五个主题：加速、经济学、权力用户、上下文、自动化。数据漂亮——每开发每周新增代码从 3.6K 行涨到 8.6K 行，一年翻倍多。PR 变大了，p75 新增行从 126 涨到 345。Mega PR（一千行以上）从 8% 升到 13.8%。Agent 会话变深，平均 tool call 从 113 拉到 145。AI 代码存活率从 76% 升到 81%。
headline 说人人受益。翻到第三章，Gini 0.77 把这个幻觉撕了。
先说背景。Cursor 的母公司 Anysphere 是四名 MIT 辍学生在 2022 年创立的，三年半估值从零跑到 $29.3B，ARR 超过 $3B。它掌握着全球最大的 AI 编码使用数据池之一。这份报告不是采样调查，是基于实际产品数据的全量分析——数据源本身就比任何问卷靠谱。
所以当这份报告说 Gini 0.77，这不是小样本噪声。
Gini 0.77 在经济学里接近南非的国民收入不平等水平。软件团队内部贡献分布 Gini 通常在 0.3-0.7，0.5 以下算健康，0.7 以上意味着整个团队靠几个人扛。Cursor 报告三项指标——AI 代码产出、AI 花费、Token 消耗——Gini 分别是 0.77、0.75、0.72，全部超过工程团队正常上限。
1% 的开发者产出的 AI 代码行数是中位数的 46 倍。合并 PR 数是 15 倍。p90 与中位数的差距是 10 倍和 4 倍。尾部比中间陡得多。
这不是”大家都变快了”。这是”快的人快了更多，慢的人几乎原地”。看绝对差距：中位数开发每周从 176 行涨到 712 行，涨了 4 倍。p90 从 2.5K 涨到 8.8K，涨了 3.5 倍。绝对差距从 2300 行拉到 8000 行。中位数涨了，但追不上尾部。
直觉说 AI 降低门槛，新手也能写代码了，差距应该缩小。数据说反直觉。
原因在第四章——“上下文的崛起”。Input/output token 比从年初 4.5 倍涨到 13 倍。模型写一行代码前，要先读 13 行上下文。cache-read 占了总 token 量的 90%——agent 不每次从头读代码库，靠缓存复用前一轮理解的上下文。谁给 agent 更精准的起点指令，谁就能让 agent 更快进入深度工作状态。
Power user 不是”用 AI 更多的人”，是”给 AI 更好指令的人”。他们理解代码库结构，知道在哪搜索，能精准描述意图。agent 在他们的指令下进入正反馈环：精准指令，agent 读更多上下文，产出更高质量代码，存活率更高，进一步加深理解，下一次指令更精准。
中位数开发者进不了这个环。指令模糊，agent 回退到猜测模式，产出平庸，存活率低，信任也低，用得更少。工具人人可得，使用工具的能力不平等分布。
想想背后的知识结构。Power user 对代码库有全局地图——知道哪个模块管什么，数据从哪流入哪，改一处影响几处。这不是 AI 教的，是多年写代码攒下来的心智模型。AI 放大的是已有的认知优势，不是无中生有地赋予理解力。一个不了解代码库的人拿到 Cursor，多了一个超级打字机；一个了解代码库的人拿到 Cursor，多了一个能读懂意图并自主执行的副驾。同样的工具，不同的乘数。
这不是孤证。OpenAI 2025 年底的报告画了同一条曲线：第 95 百分位用户发 ChatGPT 消息量是中位数的 6 倍，编码任务 17 倍。Martin Alderson 分出两类人——power user 在终端用 Claude Code 跑几十个任务，passive user 还在跟 ChatGPT 聊天。MIT Project NANDA 更冷：$30-40B AI 投资，只有 5% 组织拿到变革性回报。
自动接受的单向门
Section titled “自动接受的单向门”最后一章：“转向自动化”。AI 代码变更不经手动审查直接提交的比例，从年初 7% 涨到 36%。五个月翻了五倍。
表面解读：开发者越来越信任 agent。换一个角度：三分之一的代码变更，写它的人没审查，接收它的人也没审查。
单向门。一旦习惯接受 agent 输出而不逐行审查，回不去了。不是偷懒——审查成本在涨。agent 一次会话平均 145 次 tool call，跨十几个文件。审查一个 mega PR 要一小时，agent 已经提交了下一个。审查跟不上产出，信任就代替了理解。
更隐性的后果：你不再逐行审查，对代码库的细节记忆就开始衰退。以前写代码，每行都是自己敲的，出问题凭直觉就能定位。现在代码是 agent 写的，你没逐行读过，排查 bug 时得重新读一遍——而 agent 已经在写下一个 feature 了，你来不及读。认知债务在累积：每多接受一行未经审查的代码，你对系统的理解就少一分。
报告没直说这一点。但数据里藏着。
成本前沿的反讽
Section titled “成本前沿的反讽”经济学章节有个刺眼的数字：Composer 2.5 在 $0.55 平均任务成本下，CursorBench 3.1 得分 63.2%。Opus 4.7 max 要 $11.02 才得 64.8%。差了 20 倍的价格，分数差 1.6 个百分点。
单次请求成本差 9 倍，按”每接受行”算缩到 7 倍——贵模型用更多请求产出更多被接受的代码，部分弥补了单价差距。但 Composer 2.5 的每接受行成本只有 0.18¢，Opus 4.6 是 1.19¢。性价比差了 6.6 倍。
Digital Applied 的独立分析画出了 Pareto 前沿：20 个前沿模型中只有 6 个真正在前沿上。价格差 1000 倍，质量只差大约 8 分。结论——“routing beats model choice”：最便宜的正确答案不是某个模型，是多模型路由规则。
“够用的代码”正在变得极其便宜。Power user 用 Opus max 写核心逻辑，同时用 Composer 2.5 扫掉琐碎任务——路由策略压低成本，保持产出质量。中位数开发者用默认模型、默认设置、默认提示词，拿到”够用的代码”，但不懂路由，每块钱的性价比反而更低。
分化又在加深：power user 不是花更多钱，是每块钱产出更多。
报告没写的第六主题
Section titled “报告没写的第六主题”五个主题是加速、经济学、权力用户、上下文、自动化。读完所有数据，我看到了第六个——退出。
36% 的代码变更不经审查。Mega PR 占比 13.8%。Agent 会话平均 145 次 tool call。这些数字指向同一个方向：开发者正在从代码的作者变成代码的接收者。不是今天，不是明天，但趋势的方向没有悬念。
Gini 0.77 说：退出不是均匀的。1% 的人在退出中找到了杠杆——他们不再亲自写代码，但仍在编排 agent。46 倍的产出差距不是因为写了更多，是因为让 agent 写了更多，同时自己站在理解的位置上。
其余的人也在用 AI，产出也涨了。但绝对差距从 2300 行拉到 8000 行。涨了，追不上。
话说回来，分化未必全是坏事。任何新工具的早期采纳曲线都是幂律分布——从 PC 到智能手机到云计算，少数人先跑起来，然后逐渐扩散。问题不在分化本身，在于这次分化的性质。过去的工具放大执行力——会写代码的人有了 IDE 更快，不会写的人学了也能跟上。这次 AI 放大的不是执行力，是认知力——理解代码库的人在加速，不理解的人在信任中后退。执行力可以学，认知力需要时间和经验积累。前者几个月能追，后者几年才能追。
所以这份报告真正的问题不是”开发者变快了吗”——是的，数据清楚。问题是：快了之后，谁还在理解这些代码？谁还在审查？谁还能在没有 agent 的时候自己写？
如果答案是”越来越少的人”，那加速就不是加速，是转移——从人类转移到 agent，从理解转移到信任，从审查转移到默认接受。
你最近一次逐行审查 agent 提交的代码，是什么时候？
Cursor Developer Habits Report, Spring 2026 https://cursor.com/cn/insights