Claude Code 統計數據.

Claude Code 是一個有用的案例研究，說明 AI 編碼工具如何從自動完成式輔助迅速轉向代理式工作流程：終端命令、文件編輯、儲存庫導航、拉取請求評論和更長的執行序列。但「Claude Code 統計數據」可以意味著幾種不同的事物。

有些數字描述了開發者調查中的採用情況。另一些描述了 Claude Code 會話中的使用行為。還有一些則測量了 SWE-bench Verified 或 Terminal-Bench 等基準測試中的技術能力。還有一些僅僅是生態系統信號 — GitHub 星標、npm 活動或公共儲存庫研究。本文將這些類別分開，優先考慮 Anthropic 官方材料、產品文檔、開發者調查、GitHub/npm 主要來源、學術論文和獨立基準測試組織。它不將無來源的每月活躍用戶、收入、企業客戶或普遍投資回報率聲明視為可靠統計數據。

熱門統計數據

最詳細的數字來自 Anthropic 自己對 Claude Code 會話的研究。每個數字都是直接遙測或結構化分析 — 但由供應商生成，並在特定研究設計下測量。

Claude Code 是什麼 — 及其統計數據測量了什麼

Claude Code 是一個代理式編碼工具，可從終端、IDE、桌面應用程式和瀏覽器使用，可透過 Claude 訂閱或 Anthropic Console 帳戶存取 (Claude Code Docs)。這個定義很重要，因為 Claude Code 統計數據不能與 Claude 模型統計數據互換。

Anthropic 的入門文檔列出了精確的安裝要求 — Node.js 18+、4 GB+ RAM，以及支援的系統，包括 macOS 10.15+、Ubuntu 20.04+、Debian 10+ 和透過 WSL 的 Windows 10+ (Anthropic Docs)。一個實際的結果是分析的「單位」各不相同：一個會話可能包含許多工具調用和輪次；一個 GitHub Action 調用受限於 --max-turns（默認 10）；一個基準測試運行為代理提供特定的腳手架；而一個調查答案代表自我報告的使用，而非觀察到的遙測數據。

開發者調查中的採用情況

最明確的採用百分比來自 Stack Overflow 2025 年開發者調查 — 來自 177 個國家/地區的 49,000 多名受訪者，其中一個 AI 輔助 IDE/工具問題明確提到了 Cursor、Claude Code 和 Windsurf (Stack Overflow)。

這 10% 不應與另一個發現混淆，即在 LLM 使用問題中，Claude Sonnet 模型被 45% 的專業開發者使用 — 「Claude 模型使用」和「Claude Code 作為 AI 輔助開發環境」是不同的概念 (Stack Overflow)。JetBrains 提供了強有力的背景：其 2025 年開發者生態系統狀況調查（清理後有 24,534 名開發者，於 2025 年 4 月至 6 月進行）發現 85% 的開發者使用 AI 工具，62% 經常使用至少一個編碼助手 (JetBrains)。GitHub 的 Octoverse 2025 又有所不同 — 觀察到 1.8 億多名開發者和 6.3 億個儲存庫的活動，但它沒有發布 Claude Code 的市場份額百分比 (GitHub Blog)。

使用模式：會話、輪次、自主性和任務組合

最詳細的使用統計數據來自 Anthropic 的「代理式編碼和專業知識的持續回報」研究 — 2025 年 10 月至 2026 年 4 月期間，來自 235,000 人的約 400,000 個會話 (Anthropic)。最引人注目的單一數字是平均活躍運行時間：每個用戶每週 20 小時，測量的是活躍運行時間而非打字時間。

Anthropic 的研究指出，人類主要決定應該做什麼，而 Claude 主要決定如何執行 (Anthropic)。任務組合也發生了變化：在研究期間，調試的份額下降了近一半，而部署、數據分析和非代碼文檔生成有所增長，嘗試任務的中位數價值增加了約 25% (Anthropic)。經濟指數系列補充說，隨著任務長度增加，Claude 的成功率會下降，而多輪互動部分抵消了複雜性 (Anthropic)。

專業知識、成功率和「專業知識的持續回報」

最重要的發現之一是，更好的 AI 工具並不會消除人類的專業知識。

成功指標取決於人機系統，而不僅僅是模型本身：專家更擅長指定任務、發現不正確的更改、縮小範圍以及決定何時干預。放棄發現也指向同一方向 — Anthropic 報告稱，新手放棄失敗會話的頻率是專家的數倍 (Anthropic)。這些比率是在特定研究設計和成功定義下測量的；它們最好被解讀為專業知識仍然與代理式編碼互補的證據，而不是每個儲存庫的普遍成功率。

Anthropic 內部使用和自主性趨勢

Anthropic 發布了關於其內部使用的幾項統計數據。其 Claude Code 產品頁面指出，在 Anthropic，「大部分代碼現在由 Claude Code 編寫」 (Anthropic) — 這是一個關於 Anthropic 自身工作流程的強烈聲明，而不是關於所有公司的聲明。

這些數字表明更長的自主工作時間和更少的干擾，但人類並沒有消失：對於最小複雜度的任務，87% 的工具調用涉及人類，而對於高複雜度任務，這一比例為 67% (Anthropic)。Anthropic 還報告稱，在觀察期間，員工最困難任務的成功率翻了一番 — 最好以相對變化呈現，因為檔案沒有給出絕對的開始和結束百分比。Anthropic 內部數據很有價值，因為它來自實際工作，但 Anthropic 既是產品製造商，又是異常 AI 原生的組織，因此這些數字顯示了 Anthropic 環境中可能實現的目標，而不是人口層面的採用情況。

產品、部署、安全和定價統計數據

Claude Code 的文檔提供了具體的操作細節，儘管它沒有公開用戶數量、安裝總數或收入。

安全文檔將 Claude Code 描述為預設為只讀，在編輯文件或運行命令之前需要明確許可，具有加密憑證、有限保留，並透過 Anthropic 的信任中心引用 SOC 2 Type II / ISO 27001 (Anthropic Docs)。數據使用文檔指出，預設情況下，Anthropic 不會使用透過 Claude Code 發送的代碼或提示來訓練生成模型 (Anthropic Docs) — 對於組織而言，這通常比任何基準分數都更具決策相關性。

公共生態系統信號：GitHub、npm 和開源檢測

公共生態系統數據可以追蹤可見性和開發者參與度，但不應將其誤認為活躍用戶測量。規範儲存庫是 anthropics/claude-code，公開了星標、分支、觀察者、問題和發布 (GitHub)。

GitHub 自身的 API 語義很重要：在儲存庫元數據中，watchers_count 反映 stargazers_count，而實際的通知觀察者是 subscribers_count (GitHub Docs)。星標最好被視為關注，分支被視為實驗 — 兩者都不能證明生產使用。規範的 npm 包是 @anthropic-ai/claude-code，其中下載計數代表包檢索，而不是確認安裝 (npm)。學術研究開始研究公共儲存庫中的代理 — AIDev 數據集涵蓋了包括 Claude Code 在內的五個編碼代理的 932,791 個代理撰寫的拉取請求 (arXiv) — 但私人儲存庫、本地工作流程和企業部署缺失，因此公共檢測是一個下限視角，而不是全面的計數。

基準測試和能力背景

Claude Code 統計數據經常與 Claude 模型基準測試統計數據混淆。只有在明確區分的情況下，這才有用：基準測試使用特定的工具、提示和執行環境評估 Claude 模型。

在 Terminal-Bench 上，Anthropic 報告稱 Claude Opus 4 在可比較的外部代理設置下得分 43.2%，Claude Sonnet 4 得分 35.5% — 並另外報告稱使用 Claude Code 而非相同的外部框架獲得了更高的分數，這表明周圍的代理軟體會影響測量性能 (Anthropic)。最安全的結論是：基準測試測量的是受限的技術能力，而不是採用、生產力、收入或市場份額。高 SWE-bench 分數並不能告訴我們每天有多少開發者使用 Claude Code。

不受支持或常被誤讀的 Claude Code 主張

檔案中不支持幾項引人注目的統計數據，不應將其視為事實。

來源品質說明

最強大的 Claude Code 特定證據來自 Anthropic 關於會話、自主性、內部工作模式、經濟指數和軟體開發互動的官方研究 — 直接遙測或結構化分析，但由供應商生成 (Anthropic)。

常見問題

來源和延伸閱讀