软件行业过去习惯按年讨论生产率。Claude Code 和 Codex 把这个节奏打乱了：一个月足以改变能交给机器的任务范围，另一个月又会改变完成这些任务的成本。真正值得追问的，已经不只是它们会不会写代码，而是软件供给、人的工作和公司的预算怎样被重新分配。
本文只深入讨论 Claude Code 与 Codex。其他编程助手不逐一评测。把它们作为主角，是因为我们关心能够读仓库、改代码、运行工具并反复验证的工作方式。2026-09 的 Claude Sonnet 5.5 与 2026-10 的 Codex 更新说明，讨论工具能力必须标明月份。[1][2]
核验截至 2026-10-12。 以下以自然月统计为主，明确区分完整月份、月内快照和滚动 28 天窗口。没有公开值的月份保留缺口；不把年度、季度数字除成月均数，也不把代码量、应用量、工时与裁员人数混为一谈。未来部分是判断，不是已发生的统计。
图：WISE AI 原创流程示意。说明软件生产中的职责变化，不表示已经测得各环节的因果贡献。
GitHub 多了多少产出：9 月已有 73.8 亿次提交
GitHub 在 2026-10-06 发布的基础设施文章给出了最直观的变化：2026-09，平台记录 73.8 亿次 commits，超过 2025-09 的五倍。 原文未提供 2025-09 的精确基数，因此不能反推一个精确增长率。[3]
| 观测月份 | 指标 | 官方数值 | 可以怎样理解 |
|---|---|---|---|
| 2025-09 | Git 活动事件 | 2,182 亿次/月 | 含读写的基础设施活动，不是新增代码 |
| 2026-08 | Git 活动事件 | 4,733 亿次/月 | 相对上列观测月增加 116.91%，并非环比 |
| 2026-09 | commits | 73.8 亿次/月 | 人和代理共同产生的提交活动 |
| 2026-09 | Actions runs | 32.6 亿次/月 | 工作流运行次数，不能与 commits 相加 |
这些数字说明代码生产和自动化活动的规模正在改变，甚至开始重塑平台基础设施。但一次提交可能是新功能，也可能是代理的检查点、试错或返工。73.8 亿次提交不等于 73.8 亿份有效成果。 更无法据此回答，Claude Code 和 Codex 各贡献了多少；平台没有公开这样的完整月度拆分。
真正的产业冲击在于，开始一个软件实验变得便宜了。过去需要排期的小脚本、迁移工具、内部页面，现在可以交给代理先做出来。代码供给扩张以后，评审、测试、合并与上线责任会成为更明显的瓶颈。只给团队考核提交次数，很可能奖励的是最会制造活动的人。
App Store 多了多少应用：一张真正按月的表
RevenueCat 的《State of Subscription Apps 2026》公开了 Appfigures 提供的新订阅应用序列。下面只取其中的 iOS 新上线订阅应用，不是 App Store 全部应用，不是下载量，也不是商店存量净增。逐月值可在报告的公开图表数据中复核；报告图题与横轴终点有出入，这里按实际数据终点 2026-01 标注。[4]
| 月份 | iOS 新上线订阅应用 | 环比 |
|---|---|---|
| 2025-02 | 3,674 | — |
| 2025-03 | 4,742 | +29.07% |
| 2025-04 | 5,263 | +10.99% |
| 2025-05 | 5,189 | -1.41% |
| 2025-06 | 6,219 | +19.85% |
| 2025-07 | 6,683 | +7.46% |
| 2025-08 | 6,970 | +4.29% |
| 2025-09 | 7,498 | +7.58% |
| 2025-10 | 7,709 | +2.81% |
| 2025-11 | 7,515 | -2.52% |
| 2025-12 | 8,651 | +15.12% |
| 2026-01 | 11,448 | +32.33% |
环比为本月除以上月再减 1；首行不在表内补入另一个基数。两个端点相比，月新增量增加 211.59%，达到约 3.12 倍。这是端点之间的变化，不是每个月都增长这么多。2025-05 和 2025-11 的回落也提醒我们，真实趋势并不是一条永远向上的直线。
图：WISE AI 根据 Appfigures／RevenueCat 公开月度值重绘。仅为订阅应用子集；后续缺失月份未插值。
更广的口径也有信号：Appfigures 披露，2026-03 的 App Store 新发布应用数量较 2025-03 增长 118%。这是单月同比，不是环比；它未在该页面公布两个观测月的绝对数量，也没有识别各应用使用的开发工具。[5]
截至本文核验，尚未取得能够接到上表后面的 2026-02 至 2026-09 同口径连续序列。不能把订阅应用数、美国市场估计与全球新应用数拼成一条曲线。我们可以确认供给上升，却不能宣称这些新增应用全部由 Claude Code 或 Codex 制作。
做出一个 App 越容易，获得一个愿意持续付费的用户就越重要。对于小团队，两款工具降低的是实现门槛；它们不会自动解决需求是否真实、产品能否被发现、用户为何留下。应用数量暴涨，也可能伴随更激烈的同质化竞争。
程序员工作量少了多少：先把“少敲代码”与“少上班”分开
目前没有可信的公开月表，能告诉我们整个软件行业的程序员工时因为这两款工具减少了多少。可观察到的是某些样本中的人工介入下降、任务完成能力上升。两者都值得看，但都不能直接改名为“工作量下降率”。
| 观测月份 | 样本与指标 | 结果 | 不能推导出的结论 |
|---|---|---|---|
| 2025-08 → 2025-12 | Anthropic 内部 Claude Code，每会话人工干预 | 5.4 次 → 3.3 次，下降约 38.9% | 程序员工时下降 38.9% |
| 2026-05 | 内部开放式复杂任务会话，被 Claude 评判器认定无需纠正而完成 | 76% | 全行业生产任务成功率为 76% |
| 2026-09 | 上述研究更新图的月内快照 | 约 91% | 独立审计确认可无人值守上线 |
第一行来自 Anthropic 2026-02 的研究；后两行来自截至 2026-09 更新的内部研究，任务构成与模型会变，9 月值也是图示约数，不是公开导出的精确月均值。[6][7]
测量也在追赶工具。METR 在 2026-02 的后续实验说明中明确表示，任务选择偏差、多代理并行和时间记录问题，让它难以可靠量化最新工具的实际收益。用旧实验给新工具盖棺定论不合适，用主观感觉宣布全行业效率翻倍同样不合适。[8]
这里有一个常被忽略的算术：假设同一范围、同一质量的任务，产出速度变成原来的 2 倍，那么完成固定任务的时间可以减少 50%。但如果公司把需求量也翻倍，总工时就未必减少。这个例子不是调查结果，而是解释为什么“效率提高”与“工作更轻松”会同时背离。
我更看重一种已经能理解的岗位变化：工程师从亲手完成每一步，转向定义任务、拆分上下文、审阅结果、识别风险和承担上线责任。初级重复实现的价格会承压，但真正理解业务和系统的人，其判断会被更多机器执行放大。管理者若把节省的时间全部换成更多需求，程序员可能少写了代码，却没有少承担工作。
大型软件公司裁了多少：按公告月记账，不能替工具认领功劳
下面选取有可核验来源的软件公司事件。这是公告月份与宣布削减岗位的账本，不是当月实际离职人数，也不是行业总量。 岗位包含销售、运营等职能；未列月份不代表零裁员。
| 公告月份 | 公司 | 宣布削减规模 | 公司表述或关键边界 |
|---|---|---|---|
| 2026-01 | Autodesk | 约 1,000 人 | 主要涉及销售转型，公司否认这是 AI 替代人员 |
| 2026-03 | Atlassian | 约 1,600 人 | 调整技能与资源，为 AI 和企业销售再投资 |
| 2026-05 | Cloudflare | 超过 1,100 人 | 管理层明确把重组与代理 AI 工作方式联系起来 |
| 2026-05 | Intuit | 约 3,000 人 | 去层级、减少重复协调及资源再配置等多重原因 |
| 2026-07 | Microsoft | 约 4,800 人 | 涉商业及 Xbox 业务，公司否认当次岗位由 AI 替代 |
来源依次为 Autodesk、Atlassian、Cloudflare 的公开员工信，以及 Reuters 对 Intuit 和 Microsoft 的报道。[9][10][11][12][13]
这些事件证明的是，软件公司正在重排人员、层级和投入。只有部分公司明确把调整与 AI 联系起来；没有一家在这些材料中给出“Claude Code 替代多少人、Codex 替代多少人”的可审计分账。 把表内人数简单加总，再冠上“两款工具造成”，会把组织调整、多种 AI 应用和具体编程代理混成一个故事。
更早发生的变化可能藏在招聘里：一个离职名额是否补回，一个外包合同是否续签，一个原本需要扩编的项目是否改成由现有团队加代理完成。裁员公告是可见结果，岗位需求下降却不一定通过裁员呈现。这是接下来更值得逐月追踪的地方。
大公司的 token 用量涨了多少：有猛增的证据，没有完整的月账本
token 是模型处理文本的计量单位。代理会反复读取上下文、思考、调用工具并检查结果；任务一多，用量可能迅速上升。但输入、输出、缓存 token 的价格不同，模型也不同，不能用一个总数直接换算成本，更不能把它当生产率。
| 月份或窗口 | 可核验的指标 | 数值与证据等级 |
|---|---|---|
| 2026-02 | Meta 内部 token 消耗 | SemiAnalysis 在 2026-06 的报道估计约 70 万亿 token/月；非公司公开审计账单，无可比环比 |
| 截至 2025-11-01 → 截至 2026-06-11，分别向前滚动 28 天 | OpenAI 法务活跃员工的输出 token 中位数，ChatGPT 与 Codex 合计 | 约 13 倍；公司研究，不是公司总量 |
| 同一组滚动窗口 | OpenAI 研究职能的同口径指标 | 超过 50 倍；不是自然月，也不能换算成 50 倍产出 |
OpenAI 的研究提供了内部日志依据，但研究环境具有工具用量、培训和采用上的特殊性；SemiAnalysis 的 Meta 数字则是外部研究报道，输入、输出和缓存拆分不明。两者不能画在同一条增长曲线上。[14][15]
对于“大型软件公司每个自然月总 token 增长多少”，公开证据仍不足。 云平台服务全部客户的吞吐、公司收入、员工席位和预算额度都不能填补这项缺口。本文也不把滚动 28 天偷偷改成 6 月实绩。
真正重要的变化是预算结构：一部分原本按人天计价的实现工作，正在转成模型调用、计算、验证与维护费用。好的管理问题应该是“每个通过验收的任务花了多少”，而不是“谁烧掉的 token 最多”。单项成本下降与公司总用量上升完全可以同时发生，因为以前不值得做的任务现在也能做了。
接下来 12 个月：我预计软件业会怎样变化
以下覆盖 2026-11 至 2027-10，是逐月观察的基准情景，不是精确到月份的事件预言。变化可能提前、延后或重叠；不预测一个没有依据的行业裁员百分比。
| 观察月份 | 基准情景判断 | 用什么检验判断 |
|---|---|---|
| 2026-11 | 更多日常实现与测试被交给 Claude Code、Codex | 同范围任务的完成时间与验收通过率 |
| 2026-12 | 代理产生的变更继续增加，人工评审开始排队 | 每月合入量、评审等待时间、返工率 |
| 2027-01 | 企业开始把代理预算与项目结果绑定 | 每个验收任务的 token 成本与总成本 |
| 2027-02 | 初级重复实现岗位的招聘要求继续变化 | 新招聘岗位数、初级岗位占比 |
| 2027-03 | 按人天收费的简单外包更难维持溢价 | 同类项目报价、交付周期、质量承诺 |
| 2027-04 | 小团队尝试覆盖过去需要更多人的产品范围 | 每队上线功能、活跃用户与事故数 |
| 2027-05 | 应用供给继续争夺有限的注意力 | 新应用发布量、留存与付费转化分别看 |
| 2027-06 | 老系统改造成为代理的重要使用场景 | 迁移完成量、回归缺陷、回滚次数 |
| 2027-07 | 安全、权限和依赖治理的重要性上升 | 漏洞修复时间、越权事故与修复成本 |
| 2027-08 | 需求判断和业务负责人比纯实现更难替代 | 产品试验成功率、客户续约与收入质量 |
| 2027-09 | 企业重新比较自建软件与购买标准软件 | 自建的全生命周期成本和维护负担 |
| 2027-10 | 团队优势更多体现为可持续交付，而非人头规模 | 每人可靠产出、利润与线上稳定性一起看 |
我的基准判断是：相同人数交付更多软件，一部分招聘需求被消化，钱更多花在模型、评审和安全上。若工具可靠性继续提高，而新增需求跟不上，重复实现岗位会受到更强的替代压力；若安全事故、评审负担和算力成本上升，推广也可能放慢。
最可能先被压低价格的，是边界清楚、容易验收的重复实现。更难被压低价格的，是知道什么值得做、什么不能上线，以及出事后能把系统救回来。Claude Code 和 Codex 会放大一个人的执行范围，但业务责任不会因此消失。
最后，强烈谴责 Anthropic 对中国大陆开发者的排斥性限制
批评必须先把事实说准确。Anthropic 在 2025-09 扩大了不支持地区的销售限制，涉及特定所有权与控制关系的企业。其 2026-10 当前支持地区政策明确涵盖 Claude Code，并涉及实际所在地、企业注册或总部、直接或间接多数持有或控制关系；中国大陆不在支持名单中。这不等于所有中国国籍人士、所有华人在世界任何地方都被一律禁止使用。[16][18]
2026-10-08 的公告还发布了 2026-11-12 生效的新 Usage Policy，同时说明地区部分是在澄清执行规则。不能把未来生效日期和当前地区限制混在一起。[17]
我们强烈谴责 Anthropic 将中国大陆普通开发者以及符合其限制条件的企业挡在 Claude Code 门外的政策。强烈谴责这种把大量正当使用者一并排除的做法。 当编程代理开始影响创业门槛、生产成本和职业机会，这种限制伤害的是具体的人：想学习的学生、靠交付谋生的工程师，以及认真做产品的小团队。
公司可以防范具体滥用，也应履行适用的法律义务；但这些理由不能让宽泛的排斥自动免于公众质疑。Anthropic 应公开解释限制的依据与边界，提供透明申诉，并尽可能恢复面向正当民用开发的平等准入。越是有能力改变行业的工具，越不应轻视被挡在门外的人。
同样的标准也适用于 OpenAI：其 API 官方支持名单同样不包括中国大陆，不能把 Codex 写成已经获得官方支持的中国大陆替代通道。[19] 对优秀工具的认可，不妨碍我们批评其公司的准入政策。技术能力值得肯定，排斥普通开发者的政策值得强烈反对。
本文属于AI 应用专题。平台统计用于描述背景，厂商日志用于观察样本，未来判断与政策立场均已单独标明。