Claude Code 登顶这份调查之后，我看的是分母

Claude Code 登顶这份调查，我更在意两组数字的背离

JetBrains Research 发布了《2026 年开发者生态系统调查报告》。这是这份调查的第十年，覆盖全球 1.5 万多名专业开发者。我看到这份报告时，先看的不是排名，而是几组数字之间的背离。

其中约 90% 是开发者、程序员和软件工程师。调查对象还包括 AI/ML 工程师、DevOps 工程师和架构师。也有数据工程师和 QA 工程师。

过去几年，开发者挑 AI 工具，看的是代码补全、问答能力和 AI IDE 的体验。这一层正在被换掉。AI 不再只是帮忙写几行代码，它开始接手完整的开发任务。

我先看存量。今年 5 月至 7 月，约 90% 的专业开发者每周至少用一次 AI 编程 Agent。其中 68% 每天都会用。JetBrains 对 Agent 的定义很宽，本地跑的和云端远程的都算在内。这个频次的门槛不低，每周至少一次意味着它进了日常流程。这两条放在一起看，Agent 已经跨过尝鲜期。

工具侧的洗牌我按同一口径摆在一起，都发生在今年上半年。

表里取的是工作场景的使用率，不是所有场景。半年时间，Claude Code 从 18% 涨到 39%，翻了倍。美国市场的比例更高，达到 47%。Codex 从 3% 涨到 16%，大约是 5 倍。Cursor 从 18% 落到 12%。

GitHub Copilot 长期占着领先位置，这条线我看的是方向。2025 年中期到 2026 年初，它的工作场景使用率一直维持在 29% 至 31%。到今年 5 月至 7 月，这个数字掉到 21%。Claude Code 的 39% 几乎是它的两倍。

31% 的开发者把 Claude Code 当作最常用的 AI 编码工具。在已经用上它的开发者里，相当一部分把它从尝鲜工具换成了日常主力。我看这两个数字的差别，就是从尝鲜走到主力的距离。

Codex 的认知度我单独拎出来看，它涨得比使用率更猛。今年 1 月只有 27% 的开发者听说过它，到 5 月至 7 月这个数字到了 65%。认知度先起来，使用率跟在后面，这是 OpenAI 的品牌优势往产品认知上转的过程。

认知度和使用率是两件事。

Cursor 那组数字我停下来看了很久。它的认知度没跌，从 69% 升到 75%。使用率反而从 18% 降到 12%。中国市场更陡：1 月有 28% 的开发者用它，5 月至 7 月只剩 16%。

认知度往上、使用率往下，两个方向同时出现，说明卡点不在认知层。知道的人更多、用的人更少，说明这批人手里出现了别的选择。

过去几年，AI 编程的竞争很大程度围绕 IDE 展开，Cursor 是其中最有代表性的一个。我看编辑器形态的代表也不止它一家，它是这轮里最直接的样本。开发者打开编辑器，用补全、对话和修改功能跟 AI 协作。

Claude Code 和 Codex 走的是另一条路：从 IDE 里出来。理解代码库、改代码、跑测试，把活干完。在我看来，两条路的差别不在功能，在形态。

开发者要的已经不是一个加了 AI 的编辑器，而是一个能把任务执行到底的 Agent。所以竞争重点也在移位，从谁的 IDE 更好用，移到谁的 Agent 能接手开发工作。第一个结论就是角色换了：AI 从辅助写代码，转到执行开发任务。

从认知度看，Copilot 和 Claude Code 都是 79%，还在同一梯队。我看的差别在从知道到用上的转化率。Copilot 的使用率同期从 29% 至 31% 掉到 21%，光有认知撑不住份额。

竞争也不只在几家大厂之间。OpenCode 在 5 月至 7 月的工作场景使用率是 7%，认知度 42%。Google Antigravity 的使用率是 6%。它的认知度从 1 月的 29% 涨到 47%。在印度市场到 15%，跟 Cursor 基本持平。

它们的共同点是认知度涨得比使用率快，说明都还在转化的前段。JetBrains 自家的工具也拿到约 9%。里面包括 JetBrains AI 和 Junie。主办方自己也在牌桌上做工具。这些数字放在一起看，市场暂时没有一家独大。开发者在同时接触几个 Agent，按不同任务挑不同的用。

这次换的是产品形态。

开发者的选择正在重新洗牌。

最容易被读偏的是排名。90% 的周使用率和 68% 的日使用率说的是现状，排名说的是这一季的话题。存量决定工具链，热度只决定当季的话题度。

我把这半年里的位置变化捋一遍。Claude Code 从追赶者变成第一，Cursor 从第一梯队退下来。Agent 本身成了默认配置。这份调查连续做了十年，它问的问题一直没变：开发者在用什么。变的只是粒度，以前问编辑器，现在问谁能把活干完。

排名会换，分母不会。

真正决定下一轮竞争的是那个分母。当周活在 90% 这个量级，差异只能出在完成度上。谁能让 Agent 把事情做完，谁才拿得到下一段份额。接下来的比拼也不再只是代码生成能力。

有一个坑我提前标出来：把 90% 读成所有在写代码的人都用上了 Agent。它统计的是专业开发者，而且是每周至少用一次。人群和频次这两道限定只要拆掉一道，结论就会变形。这半年的窗口也是限定，1 月到 7 月的对比只说明方向，说明不了稳定态。

所以我以后看这类调查，会先翻样本构成和方法说明。覆盖的是谁、Agent 怎么定义，决定了那个 90% 说的是谁。这次的样本偏向工程岗，学生和业余项目的画像不在这份数据里。Agent 的定义又宽到把本地和云端都算进来，所以那个数里混着不同形态的工具。它说明 Agent 普及了，说不清哪一种形态赢了。

十年这个长度也说明一件事：这类调查我看的是趋势线，不是某个单点。选工具的时候我也照这套走。不看排名，只看两件事：自己的任务类型落在哪个区间，以及工具的完成度。认知度高、使用率却在跌，通常说明它的形态跟当前这批活对不上。