写代码用哪个 AI 最好？1,200 位开发者实际启动的模型

这个问题的大多数答案，都从基准测试或某个人的偏好出发。我们的出发点不一样：一份记录，记下人们有活要干时选了哪个模型。

AgentsRoom 是一款把编程代理并排运行的桌面应用。有人启动代理时，应用会记下 CLI 和模型，而不记录工作本身的任何内容。本文读的是 2026 年 10 月 9 日到 11 月 5 日这 28 天的记录：205,366 次启动，1,194 个已登录账号。

简短的答案。 如果你只要一个名字，那就是 Claude Code 上的 Opus：不管怎么数都排第一。Codex 上的 GPT-6.1 Sol 排第二。但这份领先有很大一部分来自我们自己设的默认值，而这些数字更多说明人们是怎么选的，而不是哪个模型写的代码更好。

同一份排名，三种数法

启动次数分布非常不均。账号的中位数是 28 天启动 10 个代理，而 10 个账号贡献了全部启动的 35%。一个账号只要有几个定时任务，就能让某个模型的数字变动好几个点。所以这里把同一份排名数了三遍：全部启动、去掉最活跃的 10 个账号后的启动，以及一个账号一票（每个账号启动最多的模型）。

这张表里有三点值得看。

Opus 的两行其实是同一个模型。opus 别名跟随最新版本，Claude Code 从 2.1.280 版起把它解析为 Opus 5.5。加起来，Opus 5.5 占启动的 37%，也是略超过一半账号的主力模型。

Sonnet 是第二模型。它占启动的 13%，却只是 6% 账号的主力模型：人们把它和别的模型搭配着用。

按人数算，情况就变了。Gemini 3.8 Flash 从启动的 1.3% 变成账号的 4.6%。在 CLI 层面，差距更大：

我们自己的默认值就在这份排名里

这是厂商基准测试永远不必承认的部分。在 AgentsRoom 中，每个内置角色都带一个推荐模型：全栈、前端、后端、架构师、安全和移动用 Opus，QA、PM、DevOps 和 git 用 Sonnet，营销和翻译用 Haiku。新建一个全栈代理，模型选择器已经停在 Opus 上。

数据里看得出来。在 Claude Code 上，DevOps、PM 和 QA 代理启动最多的模型是 Sonnet，全栈、后端和架构师代理则是 Opus。这几乎逐行就是我们的默认值表。所以我们不会告诉你开发者在 QA 上更喜欢 Sonnet。他们多半只是保留了我们的推荐。

剩下的交给惯性：对 70% 的账号来说，这段时间里第一个启动的模型，也是他们启动最多的模型。

更老实的信号，在那些没人会碰巧做出的选择里。198 个账号手动固定了 Opus 5.5，尽管别名给的就是同一个模型。116 个账号启动了 Fable，121 个账号固定了 Sonnet 5.5，而这两个都不是任何角色的默认值。这些群体更小，他们是看过列表后自己做决定的人。

人们把什么交给自动化

去掉最活跃的 10 个账号后，28% 的启动来自待办工单、团队运行或触发器，其余大多是有人打开或恢复一个代理。这 10 个账号则是另一个世界：他们 68% 的启动来自自动化。这些账号基本上已经不再手动启动代理了。

各模型的启动中来自自动化的比例，不含这 10 个账号：

在 Claude Code 上，各档位的分化符合预期：Opus 约 20%，Sonnet 和 Haiku 约 40%。我们的默认值抬高了 Sonnet 的数字，因为团队运行中的 QA 和 PM 席位都从它启动，而固定的 Sonnet 5.5 只有 18%。Codex 上没有这种规律，列表里的前沿模型 GPT-6 Astra 是 40%。所以我们不会把它说成定律。我们能站得住脚的、最接近规则的说法是：在 Claude Code 上，人们把最强的档位留给自己盯着的工作，把更多例行工作交给更便宜的档位。

强度也遵循同样的逻辑。在设置了强度的启动中，Opus（48%）和 GPT-6.1 Sol（59%）以 high 居多，Sonnet（61%）以 medium 居多。推理强度是一个独立的设置，固定 Opus 5.5 的人把它调得更高：25% 的启动用 xhigh 或 max，别名上是 20%。

很少有人只用一个

30% 的账号在 28 天内只启动过一个模型，21% 的账号启动过六个或更多。角色默认值抬高了这个数字，因为它们可能在没人做决定的情况下把 Opus 和 Sonnet 放进同一个账号。CLI 的计数更干净，因为第二个 CLI 意味着要安装和登录：45% 的账号启动过至少两个。

重叠并不对称。十个 Codex 账号中有八个以上也启动过 Claude。十个 Claude 账号中启动过 Codex 的不到三个。对这些开发者中的很大一部分来说，“哪个模型最好”的答案是一对组合，这是个合理的结果。

一个小细节，样本也很小：34 个 GitHub Copilot 账号中有 6 个在周末启动过东西，而 Claude 账号是 47%，Codex 账号是 52%。这与雇主付费的工具相符，不过我们无法证明。

新模型大约一周就能接管，前提是它是默认模型

GPT-6.1 Sol 在 9 月 29 日首次出现在我们的记录里，10 月 1 日起，它成了新建 Codex 代理在你不另选时得到的模型。在 Codex 的主要模型中，它的启动占比逐周变化如下：19%、50%、53%、61%、68%、65%。在同样的六周里，GPT-5.6 Sol 从 82 个账号降到 24 个。

这 24 个账号很有意思。在 11 月 2 日那一周（我们提取这些数字时这一周还没结束）仍在启动 Opus 5 的 17 个账号也是。有些人是自己选择留下，有些人是因为套餐不提供更新的模型。我们的数据分不清这两种情况。

在 Claude Code 上，你几乎看不出一次发布。所有用别名的人什么都不用做就换了模型，这也是为什么固定的 Opus 5.5 低估了这个模型。

把启动次数当作受欢迎程度来读，也有陷阱。去掉最活跃的 10 个账号后，Codex 从 9 月 21 日那一周占启动的 26% 降到 11 月 2 日那一周的 16%。但启动 Codex 的活跃账号比例在首尾都是 36%，中间也一直在 33% 到 38% 之间。差不多同样比例的人，只是把自己更小一部分代理放在上面启动。如果你只有第一个数字，就会写出错误的标题。

免费模型和本地模型

很多人在找最好的免费模型，或者最适合本地运行的模型。这些数据回答不了。免费且靠广告支撑的 Freebuff 占启动的 0.3%。通过 Ollama 运行的本地模型占 0.2%，涉及 47 个账号。我们的用户大多已经付费订阅，所以这里占比低并不是评判。如果你想要的是本地运行，可以先看我们如何让 Ollama 和云端代理并排运行。

这些数字说明不了什么

• 一次启动不是质量评分。 这里没有任何东西衡量代码是否能用、是否被合并。
• 一次启动不是工作量。 五分钟的修复和跑一整夜的运行算作一样，恢复的会话也算一次启动（占总数的 20%）。
• 这批样本不代表所有开发者。 这些人已经在用一款围绕 Claude Code 起步的桌面应用驾驭多个代理，所以 Claude 的占比偏高，而且只统计保持开启使用数据共享的账号。
• 我们的默认值就在数字里，如上文所述。

如何在你自己的代码上选择

既然没有哪份排名了解你的仓库，下面是我们会做的测试：

1. 选一个你能判断结果的真实任务，最好是你已经解决过的。
2. 把完全相同的提示词交给两三个模型，每个都在自己的 git worktree 里，这样它们碰不到彼此的文件。
3. 比较 diff、时间和成本。
4. 用不同的任务重复三次。只试一次什么也证明不了。

在多个代理上对比用一个启动器完成第 2 步和第 3 步，如果你不想安装任何东西，那个页面也给出了用普通 git 命令手动操作的方法。要在不同 CLI 之间找到同一档位，可以用 AI 模型对照表。如果要选的是工具而不是模型，请看如何按工作方式来选。这些数字的实时版本，可按 7 天、30 天、90 天或 12 个月查看，在使用情况页面上。

常见问题

现在写代码最好的 AI 模型是哪个？

任何测量都无法替你的代码选出一个。我们能说的是什么在被使用：在截至 2026 年 11 月 5 日的 28 天里，Claude Code 上的 Opus 是启动最多的模型，把别名和固定的 Opus 5.5 加起来占启动的 37%，也是略超过一半账号的主力模型。Codex 上的 GPT-6.1 Sol 排第二，占 13%。Opus 的领先有一部分来自我们自己的默认值，而一次启动并不能说明结果的质量。

免费写代码用哪个 AI 最好？

这些数字回答不了这个问题。这批样本里的人大多付费订阅：免费且靠广告支撑的 Freebuff 占启动的 0.3%，通过 Ollama 运行的本地模型占 0.2%。这里占比低并不是对这些工具的评判。用你自己的一个任务做上文说的同样测试，用上你真正能用的免费选项。

写代码时 Opus 比 GPT-6.1 Sol 更好吗？

我们不知道，这些数据也说明不了。它们显示的是启动 Opus 的账号更多，而不是 Opus 写的代码更好。在这段时间里，十个 Codex 账号中有八个以上也启动过 Claude，这似乎说明很多开发者两个都留着，而不是非要分出高下。老实的测试是：同一个任务交给两者，在你的仓库上，重复几次。

应该固定模型版本，还是用别名？

像 opus 这样的别名会跟随最新版本，所以你什么都不用做就能用上新模型，结果也可能在没有预告的情况下改变。像 Opus 5.5 这样固定的版本在你自己改动之前不会变，这对定时任务和比较运行结果很有用。在这段时间里，有 198 个账号固定了 Opus 5.5，尽管别名已经指向它。

开发者用什么推理强度？

在设置了强度的启动中，Opus（48%）和 GPT-6.1 Sol（59%）以 high 居多，Sonnet（61%）以 medium 居多。固定 Opus 5.5 的账号比用别名的更高：25% 的启动用 xhigh 或 max，别名上是 20%。

这些数字是怎么收集的？

代理启动时，AgentsRoom 桌面应用只记录 CLI、模型、推理强度、代理角色和启动方式，除此之外什么都不记录：没有提示词、没有项目、没有文件、没有名字。只有保持开启「共享使用数据」的用户才会计入。每十分钟更新一次的实时版本在公开的使用情况页面上。