马斯克花 100 亿想清楚一件事：不做 coding agent 就是等死
SpaceX 宣布与 Cursor 达成 100 亿美元战略合作，并获得以 600 亿美元收购 Cursor 的权利，核心目的为获取 Cursor 在真实编程场景中产生的高质量训练数据。事件起因是 Anthropic 切断对 xAI 的 Claude 模型调用，促使 xAI 意识到：没有自有的 coding agent 产品，就无法获取 on-policy 过程监督数据，模型在编程能力上难以持续进化。文章通过 Cursor 实时强化学习案例及行业排名，论证了自建 coding agent 对模型厂商的战略必要性。
事件概述
月初，Anthropic 与马斯克意外结盟，此前双方并不融洽。今年 2 月马斯克曾在 X 平台指责 Anthropic 为“邪恶”“反人类”。直接导火索是：Anthropic 更新政策，要求 Cursor 不得向主要竞争对手提供 Claude 模型调用能力，导致 xAI 内部使用的 Cursor 账号中 Claude 模型失效。xAI 联合创始人吴宇怀在全员信中表示：“这是坏消息也是好消息……敦促我们开发自己的编码产品和模型。”
核心信息
上月底，SpaceX 与 Cursor 宣布在编程和知识类 AI 模型训练上展开战略合作，SpaceX 获得以 600 亿美元收购 Cursor 的权利，或支付 100 亿美元合作费用。100 亿美元的核心价值在于获取 Cursor 的用户数据——即完整的 Agentic Loop（用户提示、模型思考、agent 规划、输出代码、验证）所形成的高质量训练数据，用于强化学习。
coding agent 产品的战略必要性
-
过程监督 vs 结果监督：仅靠 GitHub 等公开代码训练只能获得“结果监督”信号，容易导致“奖励黑客”（模型写出可运行但脆弱的代码）。而编程任务需要过程监督——用户的接受、拒绝、补全、撤销、追问等交互信号，这些只有在 coding agent 运行环境中才能诞生。
-
on-policy 数据的稀缺性：策略梯度定理要求优化样本最好由当前模型自己产生（on-policy 数据）。通过蒸馏别家模型或使用他人产品的 off-policy 数据，无法学到内部概率分布，一旦推理偏离便可能出错。
-
Cursor 实时强化学习案例：Cursor 的 Composer 2 模型基于 Kimi K2.5 底座，但 3/4 的算力来自自研训练。其核心创新是“实时强化学习”：将模型 checkpoint 直接部署到真实 Cursor 生产环境，收集用户反馈，最快每 5 小时迭代一次。该功能 Tab 每日处理超 4 亿次请求，采用在线 RL，拒绝率降低 21%，接受率提高 28%。这表明即使不自研基座，拥有 coding agent 产品仍可通过数据飞轮 RL 出超越基座的专有模型。
-
行业证据：在 SWE-bench 等权威榜单上，霸榜前十的模型（Claude、GPT、Gemini、Kimi）均拥有自有的 coding agent 产品。反例（如 DeepSeek）在更接近真实场景的 SWE-bench Pro 上分数大幅下降（从 70% 降至 15%）。OpenRouter 数据显示 Claude 的 token 80% 用于编程，而 DeepSeek 主要用于闲聊，印证了缺乏 coding agent 的厂商在真实工程任务上的劣势。
-
Anthropic 的相似做法：Anthropic 在论文中披露，他们在自家生产编程环境中训练，即用 Claude Code 的员工交互数据反哺模型。
结论
对于希望掌握顶级编程能力的模型厂商，自建 coding agent 产品已成为确保模型持续进化的核心生命线。缺乏自主 coding 产品意味着无法获取高质量过程监督数据，最终被迫高价购买合作（如 SpaceX）。国内厂商已有布局：字节跳动的 TRAE、阿里巴巴的 Qoder、腾讯的 CodeBuddy、百度的文心快码 Comate、月之暗面的 Kimi Code（CLI 界面）等。Kimi 曾表示 CLI 不会是终局。另一种思路是通过提供 API 服务或 Coding Plan 来获取过程数据，但效率可能不及原生产品。