OpenAI对Cursor断供内幕：SpaceX收购引发的模型战争

AI编程工具圈子刚刚经历了一场地震。OpenAI宣布终止与Cursor的合作，计划在11月12日切断Cursor用户对OpenAI模型的直接访问。这背后的导火索，是SpaceX对Cursor的收购，以及Elon Musk与OpenAI之间长期积累的深层矛盾。这不只是一次普通的商业分手，更像是AI大模型时代供应链博弈的一个缩影。

事件全貌：SpaceX收购Cursor，OpenAI随即断供

据海外知名开发者博主（T3创始人Theo）的紧急解读，整个事件的脉络逐渐清晰。SpaceX原本计划与Cursor进行联合合作，方案有两种：要么SpaceX AI向Cursor支付100亿美元换取数据和RL（强化学习）工程能力，用于提升Grok模型；要么在年底以600亿美元直接收购Cursor。最终SpaceX选择不再等待，直接完成了收购。

博主本人透露，他曾是Cursor的早期投资人，如今随着收购完成，他与Cursor的利益绑定其实已经结束，因此表示会更客观地评论此事。他同时强调自己在OpenAI没有任何财务关联，反而是重度付费用户，Anthropic才是他花钱最多的公司。

OpenAI的官方措辞是：由于SpaceX收购Cursor，他们决定终止提供OpenAI模型的合同，关停日期定为11月12日——这已经是合同允许的最长通知期。表面看是「好聚好散」，但真正的原因藏在后面。

断供的真正原因：蒸馏、数据与即将发布的Astra

OpenAI在声明中给出了关键理由：基于Elon Musk旗下公司「违反合同」的过往经验，他们无法确信SpaceX会在服务条款范围内使用其技术。

这里的核心担忧是模型蒸馏（distillation）。Elon本人已在公开记录中承认，XAI会从OpenAI模型中蒸馏数据来改进自家模型。而Cursor作为AI编程工具，长期积累了海量的真实编程数据——正是这些数据让Cursor自研的Composer模型表现出色。如今这些数据归属SpaceX，也就是归属Elon。OpenAI显然不希望竞争对手通过付费调用其模型，反手获取训练数据。

更关键的一层，是OpenAI即将发布的新模型Astra。博主指出，OpenAI真正担心的是Astra能力的领先性被竞争对手蒸馏。声明中明确提到「随着AI能力提升，我们对即将发布的模型Astra有新的问责要求」。换句话说，这次断供的时间点选择，与Astra的发布节奏密切相关。

博主也指出了其中的商业逻辑：Cursor享受的并非订阅用户那种80%-95%的巨额补贴，其调用价格折扣大约在20%-30%区间。如果Cursor付费调用OpenAI模型，同时又保留调用产生的数据用于训练，就相当于「双重获利」——向客户收费的同时白拿了训练素材（前提是用户没有勾选「不使用我的数据」）。

模型蒸馏（Model Distillation） 是一种将大型、高性能模型的"知识"迁移到小型模型的技术。传统蒸馏是让小模型（学生）模仿大模型（教师）的输出分布，从而在不直接访问原始训练数据的情况下逼近大模型的能力。在AI竞争语境下，"蒸馏"的含义被进一步延伸：通过大量调用某个模型的API，收集其输入输出对，再用这些数据微调或训练自家模型——本质上是用付费调用变相"购买"训练数据。这种行为通常被各大模型厂商的服务条款明确禁止，但实操中极难取证。Cursor积累的海量真实编程场景数据尤为珍贵，因为这类数据反映了专业开发者在实际工作中的代码写法、调试习惯和问题解法，是通用语料中极难获取的高质量信号，对提升代码生成类模型能力有直接价值。

历史先例：Anthropic早已多次出手

这种「断供防蒸馏」的操作并非首次。博主梳理了几个先例：

• 当Windsurf传出被OpenAI收购时，Anthropic曾封禁其在Windsurf中访问Claude模型，理由同样是担心用于蒸馏。
• 年初时，XAI就已被禁止通过Cursor使用Anthropic模型，理由是担心XAI用这些数据做RL训练。
• Anthropic还曾撤销OpenAI对Claude API的访问权限，据传是因为OpenAI用它做基准测试对比。这也解释了为什么OpenAI自己的benchmark里很少出现Anthropic模型。

有意思的是，Anthropic与XAI表面上是竞争对手，但因为Anthropic严重依赖SpaceX提供算力，加上双方都对OpenAI心怀敌意，反而结成了微妙的同盟。Anthropic的算力负责人甚至在此事中公开示好SpaceX，表示会继续为Cursor增加算力支持——尽管紧接着Claude Code的使用额度又被下调了约17%。

博主对整个生态的评价一针见血：所有人都在蒸馏，Elon承认了，这本不该是大问题。数据就是数据，OpenAI和Anthropic早年趁互联网尚未设防大量采集数据，本身就占了先发优势。如今却对付费获取数据的行为严防死守，「对整个生态不是好事」。

强化学习（RL，Reinforcement Learning） 在此语境中特指RLHF（基于人类反馈的强化学习）及其变体，是当前训练顶级大语言模型不可缺少的对齐与能力提升阶段。简单来说，模型先生成多个回答，再由人类或另一个"奖励模型"对这些回答打分，通过反复迭代让模型学会产出更高分的回答。真实用户在实际场景中的使用数据——比如Cursor用户真实的编程请求——比人工标注数据更能反映"好答案"的标准，因此对RL训练极具价值。Anthropic和OpenAI担心的正是：竞争对手通过付费调用API获取大量真实的输入输出对，将其作为RL训练的正样本或奖励信号，从而以极低成本大幅提升自家模型在编程等垂直领域的能力。

公关口水战：5%流量数字之争

事件发酵后，双方高层的隔空互怼让局面更加难看。Cursor方面（Michael）发文称OpenAI模型仅占Cursor用户流量的约5%，试图淡化影响。但博主认为这个数字「有点过分」。

问题的核心在于token效率。OpenAI模型的token效率远高于竞品，如果单纯用token数量衡量使用占比，OpenAI模型天然会「看起来很少」。博主引用Artificial Analysis和Cursor自己的benchmark数据说明：GPT-5.6 Sol完成任务约需17k-28k token，而Anthropic的Fable则需要36k甚至103k token，差距超过3倍。这意味着按token算的5%，若换算成实际请求或价值，可能更接近15%。

OpenAI的Thibaut也回击称「token不是收入或价值的代理指标，OpenAI模型处于token效率的最前沿」——博主认为这话虽然正确，但同样没必要挑起个人恩怨。他调侃道，公司高层公开搞beef「影响的是用户」，而Thibaut和Michael本人的生计并不会因此受损，这种争吵「显得幼稚且没有必要」。

Token（词元）是大语言模型处理文本的基本单位，大致上英文每个单词约对应1-1.5个token，中文每个汉字约1-2个token。模型的调用成本和使用量通常按token数计费。Token效率指的是模型完成同等质量任务所消耗的token数量——效率越高，完成相同任务所用token越少。不同模型在token效率上可能存在数倍差异：同样是完成一个编程任务，效率高的模型可能只需要20k token，效率低的模型可能需要60k甚至更多。这意味着如果仅用token消耗量来衡量"使用占比"，高效率模型会系统性地被低估——其产生的实际业务价值和请求数量远超token数字所反映的比例。这正是Cursor所报告的5%数字存在争议的技术根源。

用户该如何应对？

对于依赖Cursor作为「一站式」多模型平台的开发者，博主的建议相当直接：如果你想用一个订阅搞定所有模型，基本没戏了。

现实是，直接向模型厂商订阅（如200美元的Claude Code或Codex订阅）拿到的额度和补贴，远超任何聚合服务。聚合平台无法提供实验室级别的补贴——同一个prompt，T3Chat可能成本2美元，而ChatGPT只需20美分，根本无法竞争。

可行的过渡方案包括：

• 继续在Cursor中使用自己的OpenAI API key；
• 通过OpenAI的IDE扩展（如Codex插件）在Cursor内调用；
• 转向直接订阅官方实验室。

如果愿意接受Grok，Cursor+XAI的生态仍然可用。博主坦言Grok 4.5和4.6已能胜任不少真实编程工作，但还不算Frontier级别，用惯了Fable和Sol的人会感觉「像回到石器时代」。

他还推荐了几款开源的终端/面板类工具作为统一入口，包括Gene、Superset以及新出现的Herder，这些都是开源方案。博主特别强调开源工具的优势：「不太可能被封禁」。他借此呼吁开发者「拥有自己的工具，让你和依赖产品的关系是直接的，而不是经过中间层」。

博主还顺带吐槽了Google——虽然模型不是最落后的，但因为封号策略最激进、桌面应用（Antigravity）体验糟糕，导致无法安全集成其订阅。

这只是开始

博主给出的判断值得警惕：这不会是一次性事件，而更可能是「结束的开始」。随着模型能力竞争白热化，Anthropic、OpenAI，乃至Google和SpaceX，都可能做出更多类似的断供动作。对开发者而言，这意味着「一站式多模型平台」的黄金时代正在褪色，供应链的政治博弈将越来越多地传导到终端用户身上。

对于每天在Cursor里用GPT-5.6 Sol写代码的人来说，11月之后将无法在Cursor中访问任何OpenAI模型，也无缘即将发布的Astra。这场「爸妈打架」的结局，最终由用户买单。