ARTICLE · 1138382
半年时间,AI 编程工具的榜首换人了
人工智能AI和AI智能体研究会
2026.10
一份覆盖一万五千多名专业开发者的年度调查，把过去半年 AI 编程工具的变化摊开在桌面上。结论比想象中更安静，也更有分量。
半年，榜首换了人
过去几年，提到 AI 编程助手，默认答案一直是 GitHub Copilot。这份由 JetBrains 做的第十届开发者生态调查显示，默认答案已经变了。
调查在 2026 年 5 月到 7 月间访问了超过 15000 名专业开发者，按地区、雇佣状态和主语言加权。结果显示，Claude Code 的工作场景采用率达到 39%，几乎是 Copilot 21% 的两倍。
更值得看的是这半年的位移：今年 1 月，Copilot 还以 29% 领先，Claude Code 只有 18%，Cursor 同为 18%；到年中，Claude Code 升到 39%，在美国达到 47%，Copilot 跌到 21%，Cursor 降到 12%，而 OpenAI 的 Codex 从 3% 一路冲到 16%。
TABLE · 半年里的位移
Claude Code：18% 到 39%（美国 47%），且是 31% 开发者的主力工具 GitHub Copilot：29% 到 21%，认知度仍有 79%，但不再转化为日常使用 OpenAI Codex：3% 到 16%，认知度 65% Cursor：18% 到 12%，仍守住偏好 IDE 的人群 JetBrains AI：约 9%，基本持平
资深工程师的偏好差距更大：46% 把 Claude Code 列为最喜爱的编程工具，Copilot 只有 9%，接近五比一。在小公司和创业团队里，Claude Code 的采用率高达 75%。
一个被反复提到的解释是产品哲学的差别。Copilot 起家于行内补全，像一个坐在旁边的搭档；Claude Code 押的是任务委派，你给出一个目标，它自己读文件、改代码、跑命令。对认真交付的项目，后一种方式正在被更多人接受。
写代码这件事，正在从打字速度的比赛，变成交给谁去做、以及交给之后还看不看得懂的问题。
写得更多，信得更少
如果说榜首易位只是序曲，那么调查里另一组数字才是真正的正文。
开发者报告，自己新增代码中平均有 47% 由 AI 完整生成；对 JavaScript、TypeScript 和 Go 开发者，这个比例升到 54% 到 55%。被归为高度 Agentic 的那 31% 开发者表示，他们 84% 的代码来自 agent 之手。
但信任没有跟上。只有 4% 的开发者表示完全信任 AI 生成的代码在功能上正确；只有 48% 说自己在提交前总会核验 AI 的输出。
代价落在评审环节：团队反映代码评审耗时上升了 441%，因为要消化 AI 带来的海量改动。当被问到 AI 时代最重要的技能时，47% 的人选了同一件事，不是提示词，不是架构，而是审查和验证 AI 生成代码的质量与安全。
KEY QUOTE · 金句
产量冲上去的另一面，是核验能力成了新的瓶颈，而它恰好是最难被自动化的一环。
这份数据自己也在打折扣
任何一份漂亮的调查都该配上一些反向证据，否则容易读成广告。
同一时期，DORA 在 2026 年 5 月发布的 AI 辅助研发收益报告引用了斯坦福的研究：在简单的全新任务上，AI 带来的生产力提升约 35% 到 40%，但在复杂的遗留代码上，提升不到 10%。
更刺眼的是 METR 的随机对照试验：16 名经验丰富的开源维护者在自己的、平均超过百万行的仓库上工作，在有 AI 工具时反而慢了 19%，但事后他们主观感觉快了 20%。
也就是说，工具的平均分可以掩盖你真正要做的那个比较。一个在搭建新服务时出色、在二十年老的计费系统里平庸的工具，不是更差的工具，而是另一件工具。
注意 · 三句实话
调查口径是自我报告，采用率按工具分别计数，总和远超 100%，说明很多人同时用好几个；采用数字覆盖的是 5 到 7 月，之后各家密集更新，快照可能已经过时；用每工具的平均收益做决策，容易忽略任务类型带来的巨大差异。
● ● ●
我的建议
还在默认用旧工具、没试过终端型 agent 的人 → 花一个下午实测，用一个自己最熟的仓库，把同一个任务分别交给两种工作方式，比较返工次数而不是比较速度。
团队里做技术选型的人 → 把评审成本算进去，选型时问一句：这个工具产出的代码，我们团队看得过来吗。
关心自己技能树的人 → 把审查能力当成主课，不是学怎么让 AI 写更多，而是学怎么更快地判断 AI 写得对不对。
回到那份调查，它真正记录的不是某一款工具赢了多少，而是开发这件事的重心正在往核验一侧倾斜。工具会继续换榜首，但谁能为产出负责，这个问题只会越来越贵。