Cursor、Windsurf、Kiro、Zed、VS Code(含 Copilot) 等 AI 编程工具的 定价对比

以 USD/月为单位,2025 最新市场信息:(Windsurf)


1) Cursor(基于 VS Code 的 AI IDE)

计划价格主要特征
免费 Hobby$0基础 completions / 请求额度有限,试用高级功能两周 (Bito)
Pro$20/月无限 completions、约 500 高速 AI 请求 (Windsurf)
Teams$40/用户/月团队协作、管理功能 (Windsurf)
Ultra$200/月大量 AI 请求额度 (Bito)
Enterprise自定义企业级安全与支持 (Bito)

特点:AI 多行补全、上下文理解强、Pro 价格偏高但功能全面。(Bito)


2) Windsurf(AI IDE / 代码助理)

计划价格主要特征
Free$0每月入门额度 + 基础功能 (Windsurf)
Pro$15/月500 额度、高级模型访问 (Windsurf)
Teams$30/用户/月多用户、企业功能 (Windsurf)
Enterprise$60/用户/月更高额度与安全控制 (Windsurf)

特点:通常比 Cursor 便宜≈25%,基础额定额度与高级模型支持强。(Windsurf)


3) Kiro(Amazon 出品的 AI IDE/Agent)

计划价格说明
Free$0基础额度(约 50 credits) (Kiro)
Pro$20/月中等额度(约 1,000 credits) (Kiro)
Pro+$40/月更高额度(约 3,000 credits) (Kiro)
Power$200/月最大额度 (Kiro)

特点:按 credits/请求计费,适合需要较多 AI 任务的用户(AWS 生态优势)。(Kiro)


4) Zed(高性能 AI 编辑器 + AI 功能)

计划价格说明
Personal$0 永久编辑器免费,含基础编辑预测额度 (Zed)
Pro$10/月包含 $5 令牌额度,用于 AI(超用按 token 计费) (Zed)
Enterprise自定义组织级功能、安全控制 (Zed)

特点:编辑器免费、AI 功能 token-计费(可自带外部 API key 降低成本)。(Zed)


5) VS Code + GitHub Copilot(传统主流 IDE + AI 插件)

产品价格说明
VS Code免费主编辑器免费开源
Copilot$10/月(常见市场价)AI 补全/聊天/自动化(需要单独订阅)

特点:VS Code 本身免费,但高级 AI 功能需 Copilot 订阅;长期最广泛使用。(Tennisatw的博客 - Blog of Tennisatw)


简要对比总结

工具起步价定价策略适用场景
Cursor$0 → $20固定计划 + 高额 AI 请求需要强 AI 代码辅助与深度上下文能力
Windsurf$0 → $15较便宜 + 稳定额度预算敏感但需要 AI 帮助的开发者
Kiro$0 → $20+Credits 驱动计费AWS 化企业/大规模任务
Zed$0 → $10 + token编辑器免费、AI token 计费想节省成本或使用自己 API key
VS Code + Copilot$0 → ~$10标准插件订阅广泛开发者生态 + AI 基础补全

核心差异

  • 价格定位:Windsurf 通常比 Cursor 更便宜;Zed 的基础编辑器免费,AI 使用按 token 计费更灵活。(Windsurf)
  • 计费策略:Cursor/Windsurf 采用套餐额度;Kiro 按 credits 层级;Zed 采用 token 使用计费。(Kiro)
  • 用途区别:Kiro 偏向企业与复杂任务场景;Zed 强调编辑器性能与可扩展性;Cursor/Windsurf 偏重 AI IDE 协同辅助。(Medium)

Read more

使用Docker安装Ollama及Open-WebUI完整教程

作者:吴业亮 博客:wuyeliang.blog.ZEEKLOG.net 一、Ollama 简介及工作原理 1. Ollama 简介及原理 * 简介:Ollama 是一款轻量级、开源的大语言模型(LLM)运行工具,旨在简化本地部署和运行大语言模型的流程。它支持 Llama 3、Mistral、Gemini 等主流开源模型,用户无需复杂配置即可在本地设备(CPU 或 GPU)上快速启动模型,适用于开发测试、本地智能应用搭建等场景。 * 工作原理: * 采用模型封装机制,将大语言模型的运行环境、依赖库及推理逻辑打包为标准化格式,实现模型的一键下载、启动和版本管理。 * 通过优化的推理引擎适配硬件架构,支持 CPU 基础运行和 GPU 加速(如 NVIDIA CUDA),减少资源占用并提升响应速度。 * 提供简洁的

Apache SeaTunnel Web 完整使用指南:从零搭建可视化数据集成平台

Apache SeaTunnel Web 完整使用指南:从零搭建可视化数据集成平台 【免费下载链接】seatunnel-webSeaTunnel is a distributed, high-performance data integration platform for the synchronization and transformation of massive data (offline & real-time). 项目地址: https://gitcode.com/gh_mirrors/se/seatunnel-web Apache SeaTunnel Web 是基于 SeaTunnel Connector API 和 Zeta Engine 开发的可视化管理平台,让数据集成工作变得前所未有的简单。无论您是数据工程师、开发人员还是运维人员,这个强大的 Web 控制台都能帮助您轻松管理海量数据的同步和转换任务。

【测试理论与实践】(十)Web 项目自动化测试实战:从 0 到 1 搭建博客系统 UI 自动化框架

【测试理论与实践】(十)Web 项目自动化测试实战:从 0 到 1 搭建博客系统 UI 自动化框架

目录 前言 一、项目背景与测试规划:先明确 "测什么" 和 "怎么测" 1.1 项目介绍 1.2 测试目标 1.3 测试范围与用例设计 编辑 二、环境搭建:3 步搞定自动化测试前置准备 2.1 安装核心依赖包 2.2 浏览器配置 2.3 项目目录结构设计 三、核心模块开发:封装公共工具,提高代码复用性 3.1 驱动管理与截图工具封装(common/Utils.py) 3.2 代码说明与优化点 四、测试用例开发:

【超音速专利 CN118134841A】一种光伏产品缺陷检测AI深度学习算法

【超音速专利 CN118134841A】一种光伏产品缺陷检测AI深度学习算法

申请号CN202410053849.9公开号(公开)CN118134841A申请日2024.01.12申请人(公开)超音速人工智能科技股份有限公司(833753)发明人(公开)张俊峰(总); 叶长春(总); 廖绍伟 原文摘要 本发明公开一种光伏产品缺陷检测AI深度学习算法,涉及AI算法领域。该光伏产品缺陷检测AI深度学习算法,采用深度卷积神经网络作为预训练模型,使用特征金字塔网络结构FPN对预训练模型得到的不同尺度的特征图进行融合,采用区域提议网络RPN在特征图上生成候选框,该光伏产品缺陷检测AI深度学习算法通过使用预训练模型提取图像特征,使用FPN融合多尺度特征,使用RPN提取候选框,使用ROIAlign抽取局部特征,使用分类、回归、FCN进行缺陷分类、位置回归以及掩膜信息提取,对缺陷的分类以及输出缺陷效果的准确性好,对缺陷的定位精度高,对缺陷的描述准确且全面,从而提高了在光伏产品加工中,对产品的缺陷检测效果。 术语 FCN指的是全卷积网络,是深度学习中用于图像处理任务的一种重要架构,相比于传统的卷积神经网络CNN,FCN不仅能够识别图像中的对象,还能在像素级