2026 年 Coding Plan 对比与排名：Claude Code、Codex、Cursor 怎么选

前段时间我在播客里说，自己一个月大约会用掉 100 亿 Token，也就是 10 billion。很多人的第一反应不是好奇我拿它做了什么，而是：“不可能，那得多贵？”

现在我的用量已经到了每月 500 亿到 1000 亿 Token。主要是创业公司里的正常开发、automation workflow 和一些自己的项目。这个数字如果直接乘 API 单价，确实很吓人。可问题也恰好出在这里：大家先选错了计算账单的方法。

Coding Plan 和 API 是两种不同的产品。API 按量收费，输入、缓存输入和输出各有价格；个人订阅则是在固定费用下给出一组会变化的使用额度、限速窗口和产品能力。两者可以拿来估算相对价值，却不能当成同一张价目表。而 Coding Plan 由于厂家的补贴往往能给出高于 API 几十倍甚至上百倍的价值。

Coding Plan 排名思路：模型能力 × harness × 官方补贴。

按这个标准，第一梯队只有 OpenAI 和 Anthropic，重度使用时，两家的 200 美元档都值得开。第二梯队，GLM-5.2 和 Grok 4.5 紧随其后。Gemini 3.5 Flash 在写作流程里专门给它留一个位置。

第一梯队：OpenAI 和 Anthropic

现在的一线模型，我只认 OpenAI 和 Anthropic。对应到个人 Coding Plan，就是 ChatGPT Pro 的 200 美元 / 20x 档，以及 Claude Max 20x。最强模型，可以无脑使用，可以都选，任选一个也很好，不需要担心错过了什么。他们两家出的模型就是全世界最好的模型，可以无脑使用。

200 美元买到的，为什么远远不止 200 美元的 Token

我第一次公开说每月使用 100 亿 Token 时，大家脑子里默认出现的是 API 账单。这个反应很合理，因为过去用云服务，资源消耗和价格通常有相对稳定的对应关系。Coding Plan 打破了这种直觉。

最近一两周 AI 的重度使用者都在狂欢，因为 Codex 几乎每两天都在给可用额度做 reset。

按我观察到的重度使用情况，以前一个账号一个月可能用到 5-10 billion Token，现在有机会到 20 至 30 billion。它是竞争期里不断调整的产品容量。

于是出现了一个很夸张的落差：一个月付 200 美元，按同等 workload 的 API 账面价格估算，使用价值有时可以接近 2 万美元。

正如我在《200 刀的 coding plan，请无脑开》里写过的，大模型公司正在抢高强度用户，也在抢未来开发软件的默认入口。一个每天让 agent 读代码库、改文件、跑测试的人，会持续碰到模型和工具链最难看的边界，也会形成一整套很难迁移的工作习惯。对厂商来说，这类用户的价值不只是一份月费。

这样的补贴不会永远以同样的额度和规则存在。reset 会变，限速窗口会变，但在我看来，Coding Plan 是眼下给个人开发者最慷慨的福利之一，前提是这些额度真的进入了工作。

面对多开账号和中转站要谨慎

高额补贴很容易把人带到另一个误区：既然一个账号划算，多开几个不就更划算？多账号确实可能增加可用额度，也能让人在 rate limit 后换一个入口继续跑。我的建议仍然是不要这么做。

各家的条款并不完全相同。但如果开账号的目的就是绕开使用限制，就会碰到账号、付款和平台规则的风险。OpenAI 的消费者条款明确禁止规避 rate limits 或保护措施。其他平台也有各自的订阅和异常使用规则。为了多拿一点临时额度，把主力工作流压在随时可能失效的账号组合上，不值得。

中转站同样能不碰就不碰。这里不只是会不会封号的问题。额度来自哪里、付款关系是否稳定、代码经过了谁的服务器、数据会保留多久，这些都很难判断。Cursor 更是在官方定价页面写明，订阅只通过 cursor.com 直接销售，没有授权 reseller。

官方 Coding Plan 已经把价格压得足够低。为了再省一点，把代码安全和长期稳定性换出去，是一笔很差的交易。我的边界很简单：买模型公司自己的方案，或模型方明确支持的渠道；不共享凭据，也不把多账号当作绕过限制的办法。

第二梯队: GLM 5.2 和 GROK 4.5

以前聊 second-tier model，我会列出很多候选。现在反而简单了：GLM-5.2 和 Grok 4.5。当然你可能注意到的一个区别，就是我没有用公司的名称，而用模型的名称。因为我觉得在第二个 second tier 里面的竞争是很激烈的，它可能会有更多的模型不断地出来，代替其他的模型。

GLM-5.2：我最推荐的中国模型

GLM-5.2 是我现在最推荐的中国模型，也是我认为最强的开源 agentic model 之一。比起厂商表格里某一个分数，我更看重它的训练目标确实贴近 coding agent 的工作形态：long-horizon task、工具使用、子任务拆解、多轮环境反馈，以及 compaction 之后如何继续一条长轨迹。

我认可两个购买渠道。一个是 Z.ai 官方的 GLM Coding Plan，适合希望使用第一方模型与开发环境的人。另一个是 Ollama Cloud Plan，Ollama 的官方模型页已经提供 GLM-5.2，并支持把它启动到 Claude Code、Codex、OpenCode 等不同 harness 里。预算和使用量都足够时，这两个方案可以开满。

这正好回到全文的判断。模型、harness 和补贴是三个变量。自家组合通常更省心，但能把官方云模型接进成熟外壳，也是有价值的正式用法，不等于去找来路不明的中转。

Grok 4.5：让我改了一次判断

我原本觉得，美国除了 OpenAI 和 Anthropic，很难再出现一个值得单独购买 Coding Plan 的 second-tier model。原因并不复杂：第一梯队已经很强，中国又有 GLM-5.2 这样的开源模型，中间位置很难收费。

Grok 4.5是一个让我意外的例外。我的实际感受是 surprisingly pretty good。马斯克的 XAI 训练了这个模型，然后收购了 CURSOR，把它放进 Cursor 的 first-party model pool。训练、真实开发环境和分发入口连在了一起，这正是前面那套公式最容易成立的地方。

Meta 的新模型不进入这次排名。它目前没有对应的 Coding Plan，我也没有按同样强度认真测试。这不是能力判决；没有可比的产品和使用经验，硬塞一个名次没有意义。

Gemini 3.5 Flash：更会说人话的模型，

Google 对 Gemini 3.5 Flash 的官方定位很高：agentic execution、coding、long-horizon tasks 都是重点，benchmark 表现也很好。只看发布材料，它应该是这篇文章里很有竞争力的候选。

可我自己的使用体验很差。Gemini 一直以来是一个以多模态为卖点的模型。我觉得多模态似乎和 Agentic 不能共存：一个模型一旦多模态做好了，它的 Agentic Flow 就会很差。

我遇到的麻烦通常落在执行过程：工具使用不稳定，长任务跑着跑着偏离目标，接下来做出一些很难解释的选择。为了让它持续工作，外面需要一层很强的 harness，替它约束流程、维护工具调用和保存状态。对我来说，这个额外成本已经高到不值得把它当作主 coding agent。

但任务一换，它马上变成我很喜欢的模型。

在写文章、改写和翻译上，Gemini 3.5 Flash 是我用过最会“写人话”的模型。它的中文段落更像人在说话，AI 腔少。

我在个人网站写作流程里，会让 Codex 先读文件、关联旧内容、整理 context，再把相对干净的材料交给 Gemini 写初稿。前一段需要 agentic 能力，后一段需要自然语言的节奏。

同一个模型做 coding agent 时让我失望，放到写作流程的一小段里却很难替代。所谓“模型排名”，离开任务位置就没有多少意义。

这也是我不接受总榜单替人做决定的原因。benchmark 能告诉我某种设置下模型做对了多少题，不能替我回答它如何读取这个 repo、怎样调用我手里的工具、失败以后能不能回来，更不能回答它该在一条混合 workflow 里承担哪一步。

先闭环，再提效

我以前写过“先闭环，再提效”。这句话放在 Coding Plan 上也成立。先找一件能由 agent 推进、结果又能被你判断的真实任务，再逐步扩大自动化范围。否则买满所有套餐，只会得到一排漂亮的订阅记录。

个人开发者眼下的优势来自行动速度，并非天然比公司更懂 AI。少一层审批，少一次跨部门交接，就多一次当天试错的机会。但入口变便宜，不代表判断也被打折。任务值不值得做、结果能不能上线、哪一步必须人工复核，最后仍然要由人负责。

这种速度优势落到工作里，核心是反馈距离短。个人开发者提出一个目标，可以直接让 agent 进入自己的 repo，看到结果后马上决定继续、缩小范围或推倒重来。任务背景、验收标准和最后的取舍通常掌握在同一个人手里，中间很少因为交接而丢掉一层意思。一次失败也更容易被定位：目标是否含糊，context 是否污染，还是工具真的没有把动作做对。

公司里的限制有它的理由。代码和数据由谁访问，自动修改出了问题由谁承担，新的工具能不能进入生产环境，都需要有人把边界说清楚。只是在这些问题完成协调以前，最好的模型和最高的套餐也可能停在演示阶段。账号已经买了，员工却只能把 AI 用在外围文字工作上，算力消耗与核心交付之间仍隔着原来的流程。

个人少了这些协调成本，却没有少掉结果责任。Agent 写坏的代码仍要自己修，方向选错以后浪费的仍是自己的时间，交付出去的东西也不能因为“模型生成”就降低标准。个人的非对称优势并非可以放任自动化，而是能把决定、执行和复核压在更短的回路里，用更少的等待换来更多次有结论的试验。

当 Coding Plan 把单次试验的算力成本压低，这个回路就能反复发生：先交出一个范围清楚的任务，检查实际结果，根据失败修改 context 或工具，再决定是否扩大。订阅提供的是更多尝试机会，经验来自每次尝试之后留下的判断。如果任务始终没有验收点，再多 reset 也只会让同一个模糊目标跑得更久。

抓住这段补贴窗口，200 美元可以买到远超 200 美元账面价值的使用量，这确实是个人开发者很少见的机会。但真正拉开差距的，从来不是付款成功的那一刻，而是这些 Token 第二天开始在你的项目里做了什么。