过去三个月，7 家主流 Agent 编程软件合计发布了超过 200 个版本。Claude Code 最快——106 天发了 94 个版本。Kimi Code 从 0.3.0 跑到 0.24.1，Pi 从 0.65.0 跑到 0.80.7，Cline 从 3.58.0 直接跳到 4.0.0。
这么多版本到底在做什么？有没有共同的方向？
我们把这 7 家的 Changelog 全部扫了一遍。方向高度一致。各家虽然产品形态、商业模式和技术栈各不相同，但过去三个月的开发投入都集中在三条主线上：按操作系统的思路设计 Agent、把上下文压缩从一项技巧变成系统工程，以及从工具变成平台。
先看清 7 家基本面
在展开三条主线之前，先把 7 家的基本数据摊开。
| 产品 | 公司 | 形态 | 4-7月版本数 | 日均版本 |
|---|---|---|---|---|
| Claude Code | Anthropic | CLI | 94 | 0.89 |
| Pi | Earendil Works | CLI | 29 | 0.27 |
| Kimi Code | MoonshotAI | CLI | 30 | 0.30 |
| Codex | OpenAI | CLI/IDE/Desktop | 25+ | 0.24 |
| Cursor | Anysphere | IDE | 15 | 0.14 |
| ZCode | 智谱 | IDE | 14 | 0.13 |
| Cline | Cline | IDE 插件 | 大版本升级至 4.0 | — |
注：Kimi Code 5 月开始公开发布，4 月无版本，表中 30 个版本为 5-7 月合计；Codex 的版本数合并统计了 CLI、app 和 iOS 三条发布轨道；Cline 从 3.58 跑到 4.0，4.0 是一次重大架构重写。
统计区间为 2026 年 4 月至 7 月，共约 106 天；Cline 为重大版本升级，未计入可比发布数。
- Claude Code：94
- Kimi Code：30
- Pi：29
- Codex：25
- Cursor：15
- ZCode：14
7 家可以分成三类。厂商自研型（Claude Code、Kimi Code、Codex）捆绑自家模型，产品是模型能力的延伸——迭代节奏往往与模型发布同步。社区开源型（Cline、Pi）走多模型聚合路线，接入市场上几乎所有主流模型——provider 的覆盖广度本身就是竞争要素。IDE 集成型（Cursor、ZCode）的核心卖点是开发环境和使用体验——但过去三个月，它们的重心并不在 IDE 功能上，而是同样在向多 Agent 平台演化。
点击分类筛选；再次点击可恢复全部 7 家。
发布频率的差异很明显。Claude Code 的发布频率是其他家的 3-6 倍，而且内容覆盖面广：subagent 架构、安全加固、性能优化、UI 打打磨都在并行推进。ZCode 虽然版本数不少，但 bugfix 占比偏高，说明产品成熟度还在爬坡。
主线一：按操作系统的思路设计 Agent
这是过去三个月最核心的变化。各家不再满足于“一对一聊天式编程”，而是在构建一个由 AI 管理多个 AI 协同工作的系统。
这件事每家都在做，而且概念已经基本收敛。核心词是 SubAgent（子 Agent）——主 Agent 派生出若干子 Agent，分别执行一个子任务，最后汇总结果。
| 产品 | SubAgent/多 Agent 功能 | 关键时间点 |
|---|---|---|
| Claude Code | 动态工作流（GA）、子Agent 默认后台运行、5 层嵌套 | 4月 Dynamic Workflows 预览，6月后台默认启用 |
| Cursor | Agents Window、云端子Agent、Side Chats | 4月 Cursor 3.0，7月 Side Chats |
| Codex | Goal 模式、多Agent v2 并发 | 6月 Goal 模式出实验，7月多Agent v2 |
| Kimi Code | Swarm 群组并发、Goal 模式、Goal Queue | v0.8 Goal 模式，v0.12 Swarm |
| ZCode | 通用型子智能体、后台任务 | v3.2 子智能体，v3.3 后台任务 |
点击产品名高亮对应数据点；把鼠标移到圆点上看详情。
把鼠标移到上方圆点，或用 Tab 聚焦查看事件详情。
具体到功能层面，有几个值得拆开看的变化。
Claude Code 的动态工作流是 4 月发布、5 月 GA 的功能。它支持一个主会话编排数十到数百个子 Agent，让它们在后台并发执行，触发词是 ultracode。6 月起，子 Agent 默认在后台运行，不再阻塞主会话——用户体验从"盯着终端等结果"变成了"发布任务、回头收结果"。
Cursor 的演进路径更激进。 4 月 Cursor 3.0 引入了 Agents Window——一个专门管理多个并行 Agent 的面板。5 月加了 Automations，让 Agent 按触发器（Jira、Slack emoji、GitHub）自动启动。6 月的 3.7 版把 Agent 搬到了云端，iOS 客户端 3.9 版可以在手机上查看 Agent 运行状态。这种"全面 Agent 化"的产品策略，和它最初"AI 增强 IDE"的定位已经有很大不同。
Kimi Code 的路线更轻量。 它的 /swarm 命令（v0.12）让用户一键启动 Agent 群组并发执行，带速率感知重试和实时进度条。Goal 模式（v0.8）让 Agent 跨多轮持续执行同一个目标，Goal Queue（v0.11）则支持将多个 Goal 排队并依次执行。这些功能没有 Cursor 那么重的产品层包装，但功能完整性不差。
Codex 的 Goal 模式在 6 月出了实验版，官方描述是"可驱动目标达数小时甚至数天"。7 月的多 Agent v2 版加入了可配置的并发数。同时，Codex 在 7 月并入了 ChatGPT 桌面应用（macOS + Windows），这个产品形态的变化可能比功能本身更重要。
ZCode 在 v3.0 之后也加入了子智能体和后台任务，但功能粒度比其他家粗——它的差异化在于 GLM 模型深度绑定和团队协作。
一个共性：后台运行正在成为标准配置。 Claude Code 的子 Agent 默认后台运行，Cline 也有后台 Worker，Kimi Code 的长时间 Bash 命令超时后会自动转入后台，而不是被终止。这不是 UI 优化，而是产品范式在变——用户和 Agent 的交互方式从“一问一答”变成了“发布任务、回头收结果”。
主线二：上下文压缩从技巧变成系统工程
Agent 长期运行会碰到一个结构性问题：对话越来越长，每次请求需要携带的上下文越来越多，开销也随之增加。2026 年的模型已经支持 1M token 的上下文窗口（Claude Sonnet 5、Opus 4.8、Fable 5 都原生支持），但 1M 不等于免费——贵，而且慢。所以上下文压缩（compaction）是所有 Agent 软件的必修课。
过去三个月，各家的 compaction 方案在快速迭代，而且方向在收敛。
| 产品 | Compaction 方案 | 关键更新 |
|---|---|---|
| Claude Code | 反应式压缩 + PreCompact Hook | 防抖动检测、fallbackModel 链、overflow 触发 |
| Cline | SDK 统一 compaction | 超大工具输出截断、assistant text 上限、避免误触发激进截断 |
| Kimi Code | 重写压缩摘要 | v0.21 只保留最近一条用户提示 + 单条总结 |
| Codex | World State 替代传统 compaction | v0.143 turn-owned world state |
| Pi | Cache-friendly 动态工具加载 | v0.80.7 按需加载工具、保留 prompt cache |
点击产品名查看其压缩方案的触发粒度、缓存友好度和按需工具加载情况。
防抖动检测、fallbackModel 链、overflow 触发；支持三种触发场景（手动、阈值溢出、上下文快满）。
数值为基于 Changelog 的相对评估（0–100），仅供方向性参考。
各家在 compaction 触发条件上的精细化程度不同，但方向一致：不再粗暴截断，而是有策略地压缩。 Claude Code 区分了三种触发场景——手动触发、阈值溢出、上下文快满——并引入了 fallback model 链（上下文溢出时自动切换到更便宜的模型完成压缩）。Kimi Code v0.21 重写了压缩逻辑，修复了 tool_use 和 tool_result 不配对的 bug，确保模型仍能正确理解压缩后的历史。Codex 引入了"世界状态"概念，用结构化状态取代对话截断。
还有一个跨产品的趋势：按需工具加载（cache-friendly dynamic tool loading）。Kimi Code v0.23 的实验性 select_tools 和 Pi v0.80.7 的动态工具加载本质上是同一件事——只在真正使用时才加载 MCP 工具的定义，以减少每次请求需要携带的 token 数量，同时保留 prompt cache。对拥有大量 MCP 服务器的用户来说，这能从结构上减少上下文占用，优化幅度不小。
1M token 上下文窗口的普及也在推动 compaction 设计的改变。窗口大了，触发压缩的频率降低了，但单次压缩的决策质量要求更高——被压缩掉的内容不可能恢复。Claude Code 的 PreCompact Hook（允许用户在压缩前注入自定义逻辑）和 Codex 的 world state 方案，都在应对这个“每次压缩都不能出错”的问题。
主线三：从工具变成平台
第三条主线和前两条不太一样——它不是“用户能用到什么新功能”，而是“别人能不能在上面建新东西”。SDK、插件市场、MCP 协议——过去三个月，各家都在从一个“软件”变成一个“平台”。
SDK、插件市场、MCP 协议——各家平台化的五种姿态
MCP 已经成为所有人的标配。 Kimi Code v0.15 支持 SSE MCP 传输，v0.20 支持 Anthropic 兼容协议（含视频输入）。ZCode v3.3 的 MCP 配置可同步到 SSH 远程环境。Cline 的 MCP 服务可以通过 Plugin 市场共享和安装。Claude Code 的 MCP 增加了 OAuth（含 ADFS）、headersHelper 自动重连、tool result 持久化等企业级特性。MCP 正在从一个“实验性协议”变成 Agent 软件的基础设施层。
几个值得注意的差异化信号
在大方向收敛之外，各家也有各自侧重。我们用一张雷达图把五家产品在四个维度上的投入倾向做横向对比，数值是基于过去三个月 Changelog 的相对评估，仅供方向性参考。
基于过去三个月 Changelog 的相对评估，各项满分 100，仅用于方向性对比，不代表绝对能力。
- 多 Agent 编排：92
- 上下文压缩：80
- 平台化/SDK：88
- 安全治理：95
- 多模型覆盖：70
- 移动端/远程：60
Claude Code 在安全方面投入最深，也最持续。 从 4 月到 7 月，几乎每一版都有安全相关改动：sandbox 凭证隔离、PowerShell 权限绕过修复（尾随 &、-ErrorAction Break、TOCTOU 攻击）、--safe-mode 禁用所有自定义、强制远程设置刷新（fail-closed）、managed settings 版本管控（requiredMinimumVersion/requiredMaximumVersion）。这与 Anthropic 的 AI Safety 定位一脉相承。落到产品上，managed settings 的管控粒度在 7 家里最细。
Cursor 走移动端。 6 月的 3.9 版启动了 iOS 公测——云端 Agent + Remote Control + Live Activities（在锁屏通知里显示 Agent 状态）。这是 7 家里唯一把 Agent 监控搬到手机上的产品。考虑到 Claude Code、Kimi Code、Pi 目前都只有终端版本，这种体验目前只有 Cursor 提供。
Kimi Code 做了 Web UI。 v0.17 的 kimi web 命令启动一个浏览器聊天界面，v0.21 把 mermaid/KaTeX 渲染搬进了 Web Worker。同时 v0.9 的 ACP 协议（Agent Communication Protocol）让 Zed、JetBrains 等 IDE 可以直接驱动 Kimi Code sessions。Kimi Code 的路线是 CLI 与浏览器并行发展。
ZCode 的产品路线与其他家相反。 v3.0 进行了一次全面的架构切换——从支持第三方 Agent 转向深度绑定 GLM 自有内核，不再维护第三方适配。在“多模型聚合”成为行业主流的背景下，这是一次反向选择。它押注的是“自研模型+深度集成”能做出聚合方案给不了的体验，比如分组式任务工作区、Git 分支图谱、状态监控看板。
Pi 的 provider 覆盖最广。 过去三个月接入的新 provider 包括小米 MiMo、Cloudflare AI、Together AI、Moonshot、Ant Ling、NVIDIA NIM。同时 v0.80.6 引入了比 xhigh 更高的 max thinking level。Pi 的策略很清楚：不在任何一个模型上押注，而是成为所有模型的最佳宿主。
写在最后
扫完这 7 家三个月的 Changelog，有几个观察：
第一，SubAgent 和多 Agent 编排已经是所有人的核心方向。不管是叫 Dynamic Workflows 还是 Swarm 还是 Agents Window，本质上都在解决同一个问题：一对一聊天式编程的效率有限，让多个 AI 协同工作才能突破这个限制。而且后台运行正在成为标准——用户不需要盯着屏幕看 Agent 干活。
第二，上下文压缩不再是某个产品的特色功能，而是所有人的基础设施。各家的技术路径也在趋同：更精细的触发条件、更友好的缓存机制，以及按需加载。1M token 上下文窗口的普及没有降低 compaction 的重要性，反而对压缩质量提出了更高要求。
第三，平台化在加速。Cline 做 SDK，Cursor 做团队市场，Codex 并入 ChatGPT，MCP 成为标配——这些产品不再只卖编程能力，而是在建一个让别人在上面开发的生态。Agent 软件正在从“帮人写代码的工具”变成“帮人管 AI 写代码的系统”。
各家在产品形态上的分化仍然很大——CLI vs IDE、单模型 vs 全聚合、安全优先 vs 移动优先——尚无哪家的路线明显胜出。但方向确实在收敛：它们都在把 Agent 从工具变成基础设施。