AI编程爽了一年,账单到了

AI编程爽了一年，账单到了

2026上半年，AI编程的真相与代价

现在全球AI调用里，超过一半是在写代码。

不是聊天，不是画图，不是做PPT。是写代码。

但更有意思的在后面——代码确实写得飞快，但写完就扔、bug更多、维护更贵。GitClear最新数据：AI重度用户的代码流失率，是非用户的9倍。

快的代价，账单刚到。

编程吃掉了AI流量的一半

先说一下背景。OpenRouter是一个大模型路由平台，上面挂了400多个模型、60多家厂商，月token量超过100万亿。你可以理解成一个「模型超市」。2026年5月刚拿到1.13亿美元融资，Google、NVIDIA都是投资方。

这个平台现在每周处理25万亿token，相当于半年前的五倍。

最关键的信号在编程领域：

时间	编程占总流量的比例
2025年初	11%
2025年底	超过50%

一年内从边缘到主流。而且这50%+不只是「人问AI答」——更多是AI自己在那儿跑任务、调工具、循环执行，人类在旁边看着。业内叫Agentic AI，说人话就是「能自己干活的AI」。

最赚钱的和用得最多的，不是同一批

token用量和赚多少钱是两回事。CodeSOTA分析了一整年的数据，结论很直白：

厂商	用了多少token	赚了多少钱	价格（每百万token）
Anthropic	12.3%	46.3%	$7.95
OpenAI	9.8%	24.2%	$5.25
小米	13.0%	9.0%	$1.47
阿里(Qwen)	12.7%	4.6%	$0.77
MiniMax	9.5%	2.1%	$0.48
DeepSeek	6.3%	0.9%	$0.30

Anthropic用八分之一的量，拿走将近一半的钱。DeepSeek的价格只有它的二十六分之一。

两种生意逻辑在同一个平台上运行。一边卖「确定性」——企业愿意为不出bug多付几十倍的钱。一边卖「规模」——一次AI任务可能调用几千次，价格差二十倍就是生意能不能做的分界线。

小米：全场最被低估的故事

这个值得单独说。

2026年初，OpenRouter上有个匿名模型叫「Hunter Alpha」，持续霸榜好几周。没人知道是谁家的，主流猜测是DeepSeek V4在偷偷测试。

3月18日揭晓——小米。

一家卖手机的公司的AI模型，测试分数是这样的：

PinchBench：84.0分，全球第3（只输给Claude的两个版本）

ClawEval：61.5分，超过了GPT-5.x全系列

Agentic Elo：1434分，国产模型最高

没有AI品牌溢价，没有PR轰炸，靠盲测跑到了全平台用量第一。到4月份，小米占了OpenRouter上25.5%的编程token。

200亿美元正在砸向这个赛道

PitchBook数据：2026年Q1，全球AI风投2555亿美元。一个季度，超过了2025年全年的总和。

钱的具体流向：

赛道	金额	占比
基础模型	2408亿	71%
AI基础设施	275亿	8%
企业AI	180亿	5%
消费者AI	21亿	0.6%

71%进了基础模型层，但增长最快的是Agentic AI——让AI自己干活那一层。

季度	Agentic AI融资
2026 Q1	48亿
2026 Q2	200亿

三个月涨了四倍。

估值最高的几家公司：

Cursor（编程）：293亿美元

Sierra（客服）：100亿美元

Replit（编程）：90亿美元

Harvey（法律）：50亿美元

但有个值得警惕的信号：A轮融资很多，C轮以后也猛，B轮几乎真空。原因是大多数公司的产品demo很漂亮，一到企业部署就卡壳。投资人要看真实的ARR数据，不是demo。

31%在跑步，69%还在热身

Digital Applied跟踪了38家企业的Agentic AI落地情况：

时间	从试点到正式上线的比例
2025年Q3	11%
2026年Q1	18%
2026年Q2	31%

转化率在涨，但反过来也就是69%的项目还没跑通。企业部署率目前只有17%，CIO们说两年内想到60%以上——这个差距就是B轮真空的全部原因。

好消息是技术栈在成熟。连接AI和各种工具的协议（MCP）已经成了行业标准，集成时间从几周降到了几天。每次任务的成本下降了30-50%。

快的代价

GitClear 2026年4月发了最新报告。这次他们不只是看代码仓库，还直接接入了Cursor、GitHub Copilot和Claude Code的API，追踪了2172个「开发者-周」的实际数据。

结果不太好 👇

指标	AI轻度用户	AI重度用户
代码被改掉/删掉的比例	基线	高出9倍
重构优化代码的比例	25%（2021年）	不到10%（2025年）
复制粘贴代码	8%	18%
生产事故率	基线	高出38%

报告里有一句话是这么写的：

「企业团队2026年比2024年多产出了41%的代码。但生产事故率上升了38%，重构速度下降了31%。他们在更快地建造——直接往墙上撞。」

更扎心的是METR的另一项独立研究——他们追踪的不是「写代码的速度」，而是「从接到需求到上线运行的完整时间」：

使用AI编程助手的团队，端到端交付速度实际上慢了19%。但他们自己觉得快了20%。

感觉在飞，实际在退。

GitClear创始人的总结一针见血：「AI鼓励了一种『生成、测试、丢弃』的方法论——因为生成几乎免费，而且秒出结果。这创造了大量短命的、从没稳定过的代码，持续地、渐进地破坏整个代码库。」

几个想法

① 小米的故事比任何benchmark竞赛都精彩。不是因为它最强，是因为它的崛起路径完全不符合行业叙事——没发布会、没PR、匿名代号默默屠榜。一个卖手机的，在AI编程这个战场上，用量超过了OpenAI和Anthropic。而且不是靠最便宜（MiniMax和StepFun更便宜），是在性能和价格之间找到了一个极准的位置。

② 贵的和便宜的在同一个平台上共存，但逻辑完全不同。别急着说谁赢谁输。Anthropic卖确定性，中国模型卖规模。两者的客户、场景、付费逻辑完全不一样——就像头等舱和经济舱都在同一架飞机上，但没人会觉得经济舱会「取代」头等舱。

③ 先别急，让子弹再飞一会儿。200亿砸进Agentic AI，转化率31%，部署率17%。不是技术不行，是从demo到上线，中间隔着安全审查、IT对接、合规、变更管理——每一步都在筛人。69%还没跑通，这就是B轮真空的全部解释。不是风口是假的，是风口还没真到。

④ 写得快和写得好，是两码事。这个结论不新鲜，但2026年的数据把它钉死了。AI重度用户代码流失率是非用户的9倍，重构率从25%跌到不到10%。「写」的问题已经解决了。测试、审查、维护、重构——这四个问题，账单刚到。

「AI让你觉得快了一倍，但账单上写的可能是慢了两成。」

📚数据来源：TechTimes / CodeSOTA / ChatForest / AICost / OpenRouter / Digital Applied / AI for Automation / PitchBook / Crunchbase / CB Insights / AgentMarketCap / aifunding.me / GitClear 2026 / METR 2026 / AI Vanguard