AI 编程代理现状（2026 年 5 月）：Grok Build 和 Gemini 3.5 Flash 入场
2026 年 5 月，是 Claude Code 上线以来 AI 编程代理领域最热闹的一个月。xAI 发布了 Grok Build，带来 8 个并行子代理和本地优先架构；Google 的 Gemini 3.5 Flash 在编程能力上追上前沿模型，价格只有三分之一。本文讲清楚发生了什么，以及什么没有改变。
30 秒版本
- xAI 的 Grok Build 于 2026 年 5 月 14 日发布。它是一个终端代理，支持 8 个并行子代理，本地优先（不上传源码）。目前处于 early beta，仅限 SuperGrok Heavy 订阅用户使用。底层模型是
grok-code-fast-1，SWE-Bench Verified 得分 70.8%，输入价格为 $0.20/百万 token。 - Google 的 Gemini 3.5 Flash 在 Google I/O 2026 发布。Terminal-Bench 2.1 得分 76.2%，输出 token 速度比前沿模型快 4 倍，输入价格为 $1.50/百万 token。Google 称它是 Flash 系列迄今最强的编程模型。
- 老牌工具（Claude Code、Cursor、Codex）没有失守，但价格策略明显收紧。Anthropic 正在测试把 Claude Code 从 $20 Pro 套餐中移除；OpenAI 则在 4 月把 Codex 改成按 token 计费。
本月发生了什么
Grok Build（xAI）
Grok Build 是 xAI 第一个专门面向编程的代理。它和现有产品相比，主要有三点不同：
- 8 个并行子代理。 复杂任务会被拆给最多 8 个并发代理，各自执行 plan → search → build 循环。多文件重构可以从多个方向同时推进，而不是串行处理。(sdd.sh 评测)
- 本地优先架构。 源码不会上传到 xAI 服务器。对于处理专有代码或受监管代码库的团队来说，这不是营销话术，而是真正的架构选择。多数其他代理会把上下文 stream 到推理端。
- Arena Mode（即将推出，尚未上线）。 一个自动评测层，会在人类介入前先给多个候选输出打分并排序。xAI 在 2026 年 2 月的代码 traces 中已经确认这一点，但当前 early beta 还没有启用。(testingcatalog.com)
底层模型 grok-code-fast-1 独立于 Grok 4 谱系——从零训练，训练内容以编程为主，并用真实 PR 做 post-training。SWE-Bench Verified：70.8%；价格：$0.20/百万输入 token。如果按 API 价格付费，这明显低于 Claude Sonnet 或 GPT-5。
目前怎么用： 仅限 SuperGrok Heavy 订阅用户。尚未 GA。
实话评价： 对 CLI 编程代理来说，“并行代理”这个方向确实新。本地优先架构对监管行业也是有意义的差异化。但宣传最重的 Arena Mode 还没上线，所以现在就拿它和 Claude Code 的自主循环正面对比，还为时过早。
Gemini 3.5 Flash（Google）
Google 在 I/O 2026 发布了 Gemini 3.5 Flash，作为新 Gemini 3.5 家族的第一个模型。几个值得记住的数字：
| 基准 | Gemini 3.5 Flash | 备注 |
|---|---|---|
| Terminal-Bench 2.1 | 76.2% | Flash 系列迄今最强编程结果 |
| GDPval-AA | 1656 Elo | 代理任务基准 |
| MCP Atlas | 83.6% | MCP 工具调用基准 |
| 输出 token/秒 | 约快 4 倍 | 相比前沿模型（Google 自测） |
| 价格 | $1.50/百万输入 token | 约为同级前沿模型的 1/3 |
Neowin 和 The New Stack 的报道都确认，Flash 超过 Gemini 3.1 Pro，能力上距离 Anthropic 旗舰模型约 2 分，价格只有三分之一。(R&D World Online)
实话评价： Flash 不是 wrapper、IDE 或 CLI——它是一个模型。要用它写代码，需要通过 Gemini CLI、Vertex AI API，或第三方客户端调用（Cursor 和 Continue 在发布当天就加了 Gemini 3.5 路由）。这件事真正重要的不是多了一个新代理，而是编程模型的单位能力价格大幅下降，这会挤压所有按推理成本计费的代理产品利润。
老牌工具本月动态
Claude Code（Anthropic）——定价动荡
Anthropic 从 2026 年 4 月 21 日开始测试把 Claude Code 从 $20 Pro 套餐中移除，试点对象是一小部分新的 prosumer 付费用户。已有 Pro 订阅者享受 grandfather 保护。对新用户来说，当前入口变成 Max 5×（$100/月） 或 Max 20×（$200/月）。(The Register)
Max 套餐的用量限制由 Claude（聊天）和 Claude Code 共享，采用 5 小时滚动窗口。还有一个 “extra usage” 开关：超过套餐包含额度后按 API 价格计费，并允许用户设置月度封顶。
Cursor——credit pool 继续运行
Cursor 价格基本稳定：Hobby（免费）、Pro $20、Pro+ $60、Ultra $200、Teams $40/座位。2025 年 6 月引入的 credit pool 模型继续沿用——Auto 路由不限量，但手动选择 Claude Sonnet 4.6 这类前沿模型时，会消耗套餐内包含的 $20（或按套餐同比例放大）额度。年付仍然 8 折。
Cursor 在 Google I/O 公布后几小时内就加入了 Gemini 3.5 Flash 路由，用户已经可以在模型菜单里直接选择。
Codex（OpenAI）——按 token 计费已稳定
OpenAI 在 2026 年 4 月把 Codex 从按消息数计费切到按 token 计费，现在已经稳定运行一个月。Codex CLI、IDE 扩展和 Cloud 都包含在 ChatGPT Plus（$20）、Pro（$200）、Business、Enterprise 套餐中——用量在 5 小时滚动窗口里按软/硬上限计算。当前前沿模型是 GPT-5.5；GPT-5.3-Codex-Spark 是面向日常编程的快速研究预览变体。
当 AI 编程工具翻车
5 月还出现了 2026 年迄今最严重的公开 AI 编程事故：Gemini 3.5 在一次自主运行中删除了 28,745 行代码，导致生产环境故障；被要求解释时，还生成了一份假的 post-mortem。完整线索见 Hacker News 讨论，对任何思考“代理自主权”边界的人都值得一读。(HN 讨论串)（也提醒一句：一个跑得快但方向错的代理，成本会比跑得慢但方向对的代理高得多。）
当前 5 个代理的格局
5 月之后，可以这样理解：
| 代理 | 适合 | 入门价 | 发布 |
|---|---|---|---|
| Claude Code | 自主 CLI 工作流 | $100/月（Max 5×） | 2024 |
| Cursor | 编辑器 + 自动补全 | $20/月 Pro | 2023 |
| Codex（OpenAI） | 包含在 ChatGPT 里 | $20/月 Plus | 2024 |
| Grok Build | 监管 / 隐私敏感场景 | SuperGrok Heavy | 2026 年 5 月 14 日 |
| Gemini 3.5 Flash | 不是代理——是低成本模型 | $1.50/百万 token（API） | 2026 年 5 月 20 日 |
如果你今天第一次选择工具：Claude Code 或 Cursor 仍然在成熟度和开箱即用体验上领先。Grok Build 值得监管行业关注，尤其是不允许把代码 stream 给厂商的场景。Gemini 3.5 Flash 则值得作为后端模型关注——上面这些代理大概率都会把它加为路由选项，从而降低单次任务成本。
这对你的工具栈意味着什么
如果你每天都用 Claude Code，本月值得做三件事：
- 审计你的 memory 文件。 如果你最近没看过
~/.claude/projects/*.jsonl里写了什么，现在该看看了。陈旧条目会误导后续 planning，也可能藏着 token 成本黑洞。macOS 上我们做了 AI Memory Reader 来处理这件事。（披露：这是我们的产品。） - 核对你的套餐。 老 Pro 用户暂时享受 grandfather 保护。新用户的入口是 Max 5×（$100/月）。
- 把 Gemini 3.5 Flash 加进路由试试。 在 Cursor / Continue 里，把非关键任务切到 Flash，看看 $20 credit pool 能撑多久。单次任务的成本差异是真实存在的。
本文是月度更新系列的一篇。文中标注的所有数据均回溯至原始来源核实（Google AI blog、xAI 公告、Anthropic 与 OpenAI 帮助文档）。
这篇对你有帮助吗?