开一座金矿能赚钱，找下一座并把它挖开却很贵。分析师Benedict Evans认为，Anthropic的生意面临同一个难题：它第三季度超过80%的收入，来自此前六个月内发布的模型。一家实验室可以靠最好的模型赚到不错的钱，同时为下一个自己需要的模型大把烧钱；但如果两次大训练之间能隔18个月而不是6个月，它就能赚到惊人的钱。

现实不给人留这个余地。

正是这种把盈利做到极致的压力，解释了Anthropic与OpenAI这类前沿实验室为何在拼命加功能、要把开发者工作流的更多环节握在自己手里。11月4日，OpenAI宣布达成协议收购Pierre——Code Storage以及Codex已经在用的那批开源库背后的公司，这些库负责浏览文件和审阅改动。OpenAI想让Codex成为开发者干活的地方：从智能体创建的第一个分支，一直到应用部署。延长那座金矿的寿命，本身就是一门生意。

前沿实验室在赌两件事：更好的模型能赢得开发者的业务，而接管完整的开发工作流能留住这份业务。但开发者要当心一件事——把“这个季度最好的模型”这一时的偏好，变成对供应商更长期的承诺。我此前也说过，我们需要GitHub这样的地方，让互相竞争的智能体能在其中协作，也需要一条实际可行的路子，来改变我们最终用哪一家。

决定权属于项目

前沿模型再强，如果能更多地看见开发者的工作流，对开发者还会更有用。Evans指出，Google和Meta可以借助人们在自家应用里已有的行为，推断出智能体能替他们做什么。前沿实验室也能做到一部分，但当编码智能体可以从团队手上已有的工作起步时，它获得的优势要大得多。

Anthropic在9月以测试版形式重新设计的Projects功能，展示了这种形态。一个协调者把工作分派给并行的Claude Code会话，这些会话共享同一份记忆。系统能记住发布日期什么时候改过、某个功能为什么被砍掉、动某个服务之前该先问谁。如果你曾经试图搞清楚，一个看起来显然该做的修复为什么在六个月前被否掉，你就能明白它的吸引力在哪。

这些知识来自真正做事的人。维护者记得哪个客户还需要那套旧API，安全工程师能解释为什么一处改动需要第二个评审人。当一个团队在智能体会话里把某个问题定下来，答案就该进入项目的记录，让下一个人找得到。而从前沿实验室的角度看，更重要的一层是：下一个智能体也应该找得到。

中立是一种竞争方式

前沿实验室显然正在往这个方向走，尽管它们全都受益于一个曾提供中立空间供人构建的行业。举例来说，OpenAI为自己的单体仓库（monorepo）开发了Pando——一个Git后端，用来应对更多工程师和智能体同时读写代码。它的工程师照旧用Git。OpenAI保持了对协议和客户端的兼容，并把改进回馈到上游。正是这种兼容，让它能围绕工程师既有的工作方式来重建后端。

行业的标准化，让受益者远不止某一家实验室。一块中立的构建之地，能让使用Codex的外部贡献者，把补丁发给使用Claude的维护者。他们可以用项目的工具讨论这处改动，并让它跑过与其他任何补丁相同的检查。在一家公司内部，偏爱不同智能体的团队，仍然得共同维护同一套系统。如果只有一种智能体能用上项目里最有用的那段历史，那么它的供应商就等于靠客户自己做出的决定抢了先手。

中立空间同样能催生差异化竞争。GitHub对第三方编码智能体的预览，就把Claude和Codex与Copilot并排放进了它的issue和拉取请求工作流。这需要付费的Copilot计划，而且由GitHub决定支持哪些智能体。微软手上有的是办法偏向自家产品，但它同样有理由让竞争对手在GitHub上派得上用场。如果Claude在那里干得不错，团队就多了一个把项目留在那里的理由。

一句话，中立对行业有好处，也可能对具体的企业有好处。我们不需要前沿实验室把开发整个吞下去。

开发者愿意在哪里工作

苹果是个显而易见的反驳。开发者忍受了它一大堆规则，因为集成的环境让为苹果客户构建和交付软件更省事。我预计这些实验室也会找到一些路径，通过把模型和工具一起做，把事情做得更好。有些功能也许只能配某一个模型才成立。但即便是苹果，也是靠引入别人的工具让自己的工具更有用——GitHub已经宣布在Xcode内置的编码助手里预览Copilot。应用最终仍然落在苹果手里。

OpenAI或Anthropic有可能建成开发者更愿意工作的那个地方。真正的问题是：当团队喜欢上了那个地方，却想在某个具体任务上用对手家的智能体时，会发生什么。也许有家创业公司做出了一个工具，能追查出那个困扰团队一周的间歇性测试失败。给它开放团队已经授权的代码和测试历史，它就有机会证明自己。可如果要求团队先把工作迁到新平台上，它大概永远没机会试。

Git给了OpenAI空间去建一个更好的后端，而它的工程师照旧干活。下一个想出更好代码评审或测试方式的公司，理应能在OpenAI客户的项目原地不动的前提下，把这个想法卖给他们。这是我希望在AI里看到的未来：前沿实验室过得很好，但它们不是唯一过得好的那批。