Mistral Vibe成编码代理最佳选择，Claude Code与OpenAI Codex紧随其后

评测概述

本次评测选取四款业界公认的 编码代理，让它们在同一实战任务中完成从 Scaffold → Test → PR 的完整工作流。任务要求在已有的 Python/FastAPI 项目中新增 /subscriptions 接口，涉及路由、Pydantic 模型、服务层的多文件编写、单元与集成测试生成与执行，以及最终提交 Pull Request。评测不直接运行模型，而是依据公开文档、基准报告及供应商声明，对五个维度（功能覆盖、测试循环、PR/异步工作流、表面覆盖、成本/开放性）进行 1‑5 分打分，满分 25 分。

评分维度

功能覆盖：能否自动识别项目结构并跨文件生成代码。
测试循环：自动生成、运行并修复测试的能力。
PR 与异步工作流：是否支持持久化会话、跨设备/平台切换。
表面覆盖：CLI、IDE 插件、Web、移动端等可用入口数量。
成本/开放性：价格、是否提供开源权重、自托管与数据驻留选项。

各产品表现

Mistral Vibe for Code（22/25）

功能：基于 Devstral 2（123B，256K 上下文）扫描文件树，支持多文件协同编排，Scaffold 得分 4。
测试：自动生成并随代码演进的测试套件，Test Loop 得分 4。
PR/异步：远程沙箱持久会话，/teleport 实现本地↔远程切换，PR 流程得分 5。
表面：CLI、VS Code、JetBrains、Zed、Web、移动端全覆盖，Surface 得分 5。
成本/开放性：Pro 14.99 美元/月，提供 Apache‑2.0 开源权重，可私有部署，自托管得分 5。

Claude Code（21/25）

功能：采用 Claude Opus 4.8，提供 30+ 生命周期 Hook 与 Sub‑agent 编排，Scaffold 得分 5。
测试：强大的测试‑验证循环，Test Loop 得分 5。
PR/异步：成熟的后台任务与检查点机制，PR 得分 4。
表面：主要以 CLI 与 ChatGPT 插件为主，Surface 得分 2。
成本/开放性：无开源权重，价格从 20 美元/Pro 起，控制得分 2。

OpenAI Codex（21/25）

功能：基于 GPT‑5.6，支持多端（CLI、IDE、App、Bedrock）Scaffold，得分 4。
测试：内核级沙箱执行测试，Test Loop 得分 5。
PR/异步：跨平台状态保持表现突出，PR 得分 5。
表面：覆盖 CLI、IDE、移动端等，Surface 得分 3。
成本/开放性：免费至 Plus 方案，使用上限导致成本波动，控制得分 2。

Cursor（16/25）

功能：IDE‑first，Composer 2.5 在单文件编辑上表现佳，Scaffold 得分 3。
测试：测试循环相对薄弱，得分 3。
PR/异步：侧重 IDE 内部即时提交，PR 得分 3。
表面：仅限 VS Code 生态，Surface 得分 3。
成本/开放性：免费层 Hobby，付费层以信用池计费，控制得分 1。

关键结论

性价比冠军：Mistral Vibe 以完整的功能链、最广的表面覆盖以及最低的付费门槛，成为唯一同时提供 自托管 与 开源权重 的工具。
质量并驾齐驱：Claude Code 在原始代码质量与测试自动化方面略胜一筹，OpenAI Codex 则在跨端异步协作上表现最优。两者均因缺乏开源与数据驻留选项而在成本/控制维度受限。
Cursor 的定位：更适合作为 IDE 内部的 实时补全 与 单文件编辑 辅助工具，而非完整的端到端编码代理。

注：所有分数均基于公开文档与第三方基准（SWE‑bench、SWE‑Bench Pro、Terminal‑Bench），未进行实际运行对比，数值仅供参考。

后续展望：随着 Mistral 推出更高效的 Devstral 3 系列，若能提升基准分数并保持开源姿态，可能进一步拉大与闭源大模型的差距；而 Anthropic 与 OpenAI 若在开放权重与自托管方面作出让步，也将重新洗牌企业级编码代理的竞争格局。