为什么现在问这个
2026 年春天以来，几家头部模型厂商陆续推出了自家的编码代理，能同时跑多个会话、自动协调任务的编排工具也出现了，这个品类几乎每个月都在换代。我们把「最受欢迎的AI编程智能体」这个问题用中文和英文各问了一遍，面板是 12 个大模型（7 个头部席位加 5 个长尾席位），看它们的记忆里这个品类现在是谁的。
这是一次热点观测。它回答的是「模型现在怎么记这个品类」，不回答「哪个工具更好用」。
测量结果
在 2026-09-22 的这次测量中，中文提问下 12 个模型全部作答，面板完整度 100%，归一化健康度为 ok。前十位依次是 GitHub Copilot（指数 100）、Cursor（90.0）、Claude（71.4）、Windsurf(Devin Desktop)（63.1）、ChatGPT（42.92）、Replit（36.97）、Amazon Q Developer（33.96）、Tabnine（28.21）、Gemini（27.64）、Devin（25.94）。
同一天的英文提问完整度 92.7%（一个长尾席位没有返回可用内容），前十位是 GitHub Copilot（100）、Cursor（90.0）、Windsurf(Devin Desktop)（74.86）、Claude（49.29）、Replit（41.18）、Amazon Q Developer（37.98）、Devin（35.64）、Tabnine（34.39）、Cline（18.21）、Codex（15.54）。
三个观察
一、中英两问的前十名有八个重合，不重合的四个各有来历
两边前十名的重合度（Jaccard）是 0.667：GitHub Copilot、Cursor、Claude、Windsurf(Devin Desktop)、Replit、Amazon Q Developer、Tabnine、Devin 这八个名字两边都有。只在中文榜出现的是 ChatGPT 和 Gemini；只在英文榜出现的是 Cline 和 Codex。
这两组差异的性质不一样。ChatGPT 和 Gemini 是聊天产品和模型的名字，中文提问下模型更倾向把「我用它写代码」的通用助手也算进「编程智能体」。Cline 和 Codex 则是开发者工具的名字：英文提问下 7 个头部模型里只有 Claude Sonnet 与 GPT 两个把 Cline 放进前五；Codex 进了 Kimi 的英文前五和 Qwen 的中文前五，但两侧都没进 GPT 自己的前五。可以说，英文提问的候选池更偏「工具」，中文提问的候选池更偏「品牌」。
二、Claude 与 ChatGPT 排在第三、第五位，但它们是模型名，不是编程工具
Claude 在中文榜第三位（71.4），ChatGPT 第五位（42.92），Gemini 第九位（27.64）。这三个都是模型或聊天产品的名字，不是某个具体的编码代理产品。问题明明问的是「AI 编程智能体」，7 个头部模型却全部把 Claude 放进了自己的前五，Claude Sonnet、Gemini、Grok 三个模型还把 ChatGPT 放进了前五，GPT 与 Grok 把 Gemini 放进了前五。
我们把这读成「工具与模型的边界在模型自己的记忆里是模糊的」：厂商的编码代理往往和模型同名或共用前缀，模型回答时会直接用它最熟悉的那个名字。这次测量没有事后把「Claude」改写成某个具体产品，也没有把它从榜上删掉，榜单展示的是归一化流程的真实输出。读者引用第三、第五位时，请带上「这是模型名」这句说明。
三、一款产品的新旧两个名字在这张表上算一行，第二位之后各说各的
中文榜第四位显示为 Windsurf(Devin Desktop)，指数 63.1；英文榜里同一个条目排在第三位，74.86。这一行来自品牌实体表：Windsurf 与它更早使用的名字 Codeium 在实体表里指向同一个实体，聚合时算同一行，显示名把两个名字都带上，读者一眼能看出自己在看什么。实体层看，英文提问下 7 个头部模型里有 6 个把这个条目放进前五（只有 Qwen 没有），中文提问下是 4 个。
落差方面：中文榜从第一位的 100 到第十位的 25.94，7 个头部模型两两之间前五名的平均重合度是 0.558，英文一侧是 0.480，都高于我们给热点观测设定的 0.30 门槛。但拆开看，7 个模型的前两位清一色是 GitHub Copilot 和 Cursor，从第三位开始就各说各的：Qwen 给了 Codex 和 Replit，Grok 给了 ChatGPT 和 Gemini，Claude Sonnet 给了 ChatGPT 和 Tabnine，DeepSeek 与 Kimi 给了 Windsurf(Devin Desktop) 和 Devin。分歧不在语言，在前两位之后。
局限
本次测量的面板完整度为 100%（中文提问）与 92.7%（英文提问），7 个头部模型 + 5 个长尾模型参与打分，权重来源见方法论页。归一化健康度为 ok。需要提醒的是，本站的评估模型面板本身也包含大语言模型，而这类模型的训练语料可能包含其他 AI 榜单或测评的历史结果，存在「自反污染」的可能，即模型对某个品牌的印象部分来自它曾经被别的榜单提及，而不完全是独立判断。这是当前方法论的已知局限，不是这次测量特有的问题。
- 模型名与工具名混在一张榜上：Claude、ChatGPT、Gemini 是模型或聊天产品的名字，我们没有事后改写，读者引用时请自行说明。
- 品牌归一化：Windsurf 与它更早使用的名字 Codeium 在这次的表上是同一个实体、同一行分数；这类新旧名的对应关系由实体表统一维护，不是逐篇处理的，实体表更新后同一次 run 的表也会跟着变。
- 指数分不是可信度：它只反映模型提到一个名字的频率和位置，不反映工具好坏。