TRAE今年代码量超万亿行：超50%程序员每日依赖Tab键

金磊 发自 凹非寺
量子位 | 公众号 QbitAI

2025年的最后几天，TRAE发布了个重磅的——

年度产品报告，正式出炉。

映入眼帘的一组吸睛数据，是这样的：

TRAE在一年里写了1000亿行代码！

什么概念？

如果按照一个程序员每天写100行有效代码计算，这相当于300万个程序员不吃不喝、没日没夜干了一整年。

而这也仅仅是《TRAE 2025年度产品报告》中的冰山一角，更多有意思的数据还包括：

超过50%的用户，每天都在高频使用Tab键（Cue行间补全功能）全球用户超600万，月活突破160万，插旗近200个国家和地区仅仅半年时间，Token消耗量暴涨700%有6000名“肝帝”用户，全年写代码天数超过了200天国际版付费用户周均活跃超6天，几乎是自然周全勤

数据不会撒谎。

当我们在争论AI会不会取代程序员时，TRAE已经悄悄在中国AI IDE赛道跑出了第一的身位。

带着这份报告，我们扒开了TRAE在AI Coding领域狂飙突进的底牌。

谁在用，怎么用？

在深入技术细节之前，我们先看一个最真实的现象。

如果你现在的开发环境里装了TRAE，你可能已经养成了这样一个习惯：

手指悬在Tab键上的时间，比放在其他任何键位都要长。

报告显示，Cue（行间补全）功能已经成为程序员最高频的肌肉记忆。

超过50%的用户每天主动使用CueCue累计推荐代码近10亿次，且采纳率提升了80%

这意味着什么？

在互联网产品方法论里，有一个著名的50%渗透率拐点：当一项AI功能的渗透率超过50%，且保持极高的日活粘性时，它就标志着整个行业已经跨过了尝鲜和辅助工具的初级门槛，正式进入了人机共生的阶段。

AI不再是那个偶尔帮你写个正则表达式的小助手，它开始懂你的意图，懂你的逻辑，甚至在你还没想好变量名的时候，就已经把函数体写好了。

但真正的质变，还得看TRAE的SOLO模式（Agent自主编程）。

如果说Cue是让你少打字，那么SOLO就是让你更省心。

报告披露了一个增长曲线：SOLO模式在中国版上线后，问答规模瞬间增长了7300%！

以前我们用AI来编程可能更像是打补丁，哪里不会点哪里：写个排序算法，查个API文档。但现在，AI编程工具则是全托管的姿态。

用户不再满足于让AI写两行代码，而是开始通过SOLO模式、通过MCP（Model Context Protocol，目前已支持1.1万个），以及各种Agent，让AI去操作浏览器、管理数据库、执行极其复杂的端到端任务。

由此，开发者本身的角色定位也在发生着改变：从写代码的人（Coder），变成了指挥写代码的人（Commander）。

这种变化在核心用户身上体现得尤为极致。

报告中特别提到了6000名全年写代码超200天的硬核用户。数据显示，超过半数的用户在使用过程中会主动进行上下文管理（使用 #file, #code 等标签）。

这说明什么？说明用户不再把AI当成一个只会回答百科全书的傻瓜，而是主动把项目的深层逻辑、业务文档、代码结构喂给AI。

一言蔽之，TRAE的核心用户正在把AI能力带入项目的核心地带。

那么接下来的一个问题就是：TRAE凭什么能接住这么复杂的需求？

从插件到自主Agent

回看TRAE的进化史，你会发现一条清晰的三阶段进化论。

第一阶段，TRAE 1.0（插件+IDE时代）。

这时候的TRAE，更多是像一个好用的插件。它深度集成了AI，提供了问答、代码生成、智能补全。这算是AI Coding的古典时代，解决了从无到有的问题。

第二阶段，TRAE 2.0（SOLO Beta时代）。

推出了SOLO模式的Beta版。这时候，TRAE开始像是有了独立人格，被称为The First Context Engineer。它集成了编辑器、终端、浏览器，试图打通从构思到落地的链路。

第三阶段，TRAE 3.0（SOLO 正式版）。

这是目前的完全体。TRAE把自己定义为The Responsive Coding Agent。

注意这个词：Responsive（响应式）。

它不仅仅是被动回答你的问题，而是以AI为主导，主动理解目标、承接上下文、调度工具，独立推进开发任务。

这种能力的底气，来自于硬核的技术指标。

在公认的AI编程能力评测榜单SWE-bench Verified中，TRAE拿下了全球第一。

但这还不是全部。

如果你以为TRAE只是字节跳动做的一个产品组装，那你就太小看这家公司的技术积淀了。

报告显示，2025年，TRAE在NeurIPS、ACL、ICSE、FSE、ASE等CCF-A类国际顶会上发表了10余篇AI Coding相关的学术论文，其中还有一篇入选了NeurIPS Spotlight。

除此之外，他们还把trae-agent开源了，在GitHub上斩获了10.2k Stars，合入社区PR 191个。

不只是快，还是“稳、准、省”

在AI编程的下半场，竞争的焦点正在发生转移。

上半场大家比的是能不能生成代码，看谁的模型参数大，看谁的Demo更炫酷。

下半场大家比的是能不能在低延迟、低内存下，稳定地生成代码。

对于每天要写很多行代码的工程师来说，延迟降低100毫秒，比模型参数多100亿更重要。

TRAE的年度报告里，罗列了一组极具含金量的工程指标：

补全延迟降低了60%+。客户端首Token耗时降低了86%。内存占用降低了43%（Windows设备评测）。网络错误数减少60%，补全成功率达到了恐怖的99.93%。

这些数据或许不够有直接的体感，但却是支撑大规模复杂项目开发的生命线。

试想一下，如果你的IDE每写几行代码就卡顿一下，或者跑着跑着内存溢出崩了，模型再聪明你也会把它卸载。

谁能把SOTA模型塞进有限的内存里？谁能在弱网环境下保证代码补全的毫秒级响应？

这些看不见的内功，才是TRAE能留住600万用户的真正原因。

中国AI IDE领域领先者

最后，我们来聊聊格局。

2025年，注定是AI Coding历史上一个特殊的年份。它是一个拐点，标志着AI从工具迈向了协作者。

在这个节点上，TRAE的这份报告，实际上是无形中展示了一波领先地位。

它是中国AI IDE领域的领先者，这一点已经没有争议。

规模上：600万全球用户，160万月活。速度上：一年迭代超过100次。

加之SWE-bench Verified全球第一的成绩，也是在侧面对其能力上的印证。

更重要的是路径的选择。

不同于海外GitHub Copilot早期的单点增强路线（即主要作为IDE的一个插件存在），TRAE一开始就走了一条更重的路：

以SOLO + MCP + 多智能体构建端到端AI开发操作系统。

它不满足于只做VScode里的一个插件，它想做的是下一代的开发环境本身。

通过实用技术回馈社区，通过130+场线下活动和8个最新社群连接开发者，通过顶级学术会议输出技术标准。TRAE正在构建一个“开源+社区+学术”的三位一体生态。

这或许就是定义下一代开发者生态的标准模板。

当别人还在知乎上讨论“程序员会不会失业”时，全球600万TRAE用户已经用行动给出了回答。

他们发起了6000万个会话，发送了5亿条Query，消耗了无数的Token，最终产出了那1000亿行代码。

他们没有被AI取代，他们变得更强了。

正如报告最后所言：

我们一起，把代码写得更好。

TRAE年度产品报告地址：

https://mp.weixin.qq.com/s/8kdnWsxO3gKk8dzYJnqzJg