使用 Claude 一年、Codex 六个月后，这位开发者的结论
如今开发者社区中最常见的问题之一是：“Claude Code 和 Codex 该用哪个？”我订阅 Claude 约 1 年、Codex 超过 6 个月，每天都在使用，也体验了最近发布的 Claude Fable 5 和 GPT-5.6 Sol。在确定使用这两个之前，我还用过 Cursor 和 Kiro。Cursor 起初确实很好，但 Claude 实在太强，我自然而然就转过去了。Kiro 是一款不错的工具，但毕竟相对小众，技能和插件等生态还不够完善。而且最终在 Kiro 中还是会使用 Claude 模型，所以没有必要特意绕一圈。因此，本文会整理我亲自感受到的差异，并汇总社区调查、基准测试和 GitHub issue 等客观资料。
我感受到的两个代理之间的性格差异
一句话总结：Claude 整体上像一位什么都做得不错的资深开发者，而 Codex 则像一位话不多但十分精准的同事。
Claude Code 相对快速且准确。它很擅长理解代码库和上下文，所以即使指令比较模糊，也能准确捕捉意图。不过它偶尔会犯错，属于那种自信地推进工作、却可能忽略细节的典型资深开发者风格。此外，由于用户很多，技能和插件等周边生态丰富也是一个不容忽视的优势。搜索所需的工作流，通常都能找到别人已经做好的方案。
Codex 不像 Claude 那样快速、爽快地编写代码，但它很准确。它会花更长时间思考，因此产出的漏洞更少。
有趣的是，这不只是我个人的感觉。在一项超过 500 人参与的 Reddit 调查中，日常使用时有 65% 的人偏好 Codex；但在盲测代码审查中，67% 的人认为 Claude 的代码更整洁。海外社区也经常评价说：“Claude 擅长精细编辑，Codex 擅长大范围重构”，“Codex 虽然较慢，但面对复杂任务更加彻底”。这几乎完全符合我的实际感受。
Claude Fable 5：令人遗憾的问题基本都解决了
2026 年 6 月发布的 Claude Fable 5 让我个人非常满意。之前 Claude 的不足，也就是“速度快但偶尔出错”，几乎已经解决。
数据也证实了这一点。Fable 5 在 SWE-bench Verified 中取得 95%，在 SWE-bench Pro 中取得 80.3%。上一代顶级模型 Opus 4.8 在 SWE-bench Pro 中的分数是 69.2%，因此提升了超过 11 个百分点。在难度很高的 FrontierCode Diamond 中，它取得了 29.3%，超过 Opus 的 13.4% 的两倍。Stripe 表示，使用 Fable 5 在一天内完成了一个 5,000 万行 Ruby 代码库的迁移；如果手动完成，这项工作需要两个月以上。当然，这些基准测试基于 Anthropic 自己的脚手架，也有人批评它不是中立的 harness，因此与其看重具体数值，不如把它当作趋势来看。
GPT-5.6 Sol：Token 问题这一致命瑕疵，尽管如此依然出色
OpenAI 于 7 月 9 日发布的 GPT-5.6 Sol 同样是一款非常出色的模型。它在 Artificial Analysis 的 Coding Agent Index 中以 80 分创下新纪录。然而发布后不久，就有大量报告称“使用量上限正在以疯狂的速度消耗”。我也遇到了这个问题，实际深入调查后，可以看到相当具体的迹象。
- Codex 仓库的 GitHub issue #32250 显示，一位 Pro 订阅者让 GPT-5.6 Sol Medium 执行一个短任务后，5 小时限额的剩余量从 87% 降至 76%，一次就损失了 11 个百分点。之后，即使是没有工具调用的琐碎后续问题，每次也会减少约 1 个百分点。消耗速度甚至比同一用户使用的 GPT-5.5 xhigh 更快。
- Issue #31860 确认，Codex 应用使用 Sol 时，将上下文截短到了 372K，约为 1.05M token 规格的 35%。当上下文达到 90% 时会提前进行 compaction，而这一重新处理过程可能进一步加速了 token 消耗。
最终，OpenAI 也承认“让最高计算设置变得过于容易使用，却没有充分说明其影响”，并在 24 小时内重置了两次 rate limit。根据 OpenAI 相关人士的解释，5.6 Sol 的 Medium 与 5.5 的 Medium 并不属于同一档次；默认值是 Sol Low，而 xhigh 只应当用于真正困难的问题。也就是说，这更像是高计算设置被当作默认设置使用的 UX 问题与应用 bug 叠加造成的结果，而不是模型本身每个 token 的效率低。实际上，OpenAI 声称 Sol 的 max reasoning 与竞争模型相比减少了 54% 的输出 token。
虽然这是一个致命瑕疵，但模型本身依然非常出色。只要理解设置后再使用，产出准确度仍然是顶级水平。
现在已经没有必要坚持使用 Claude
直到几个月前，社区中还流行“编程就一定要用 Claude”。我认为现在已经不是这样了。两者都非常优秀。在 Terminal-Bench 2.1 中，Codex CLI 组合以 83.4% 排名第一；在 SWE-bench Pro 中，Fable 5 则以 80.3% 领先。如今不同基准测试的冠军各不相同。
所以我的结论是，两个都用最好。不过如果只能选一个，我会选择 Codex。因为我已经经常使用 ChatGPT，而且同一个订阅还可以解决图像生成需求。也就是说，从整个订阅的价值来看，而不是只看一个编程代理，Codex 更合适。
最后大家不都会两个都用吗？
我还想补充一个观点：最近模型的 token 使用量正在大幅增长。有分析认为，代理式 AI 消耗的 token 最多可达到普通聊天机器人使用量的 1,000 倍。Forbes 和 TechCrunch 将这一现象称为“Tokenpocalypse”，并报道称，订阅额度比预期更快耗尽的用户正在激增。实际上，社区用户额外订阅 Codex 的最大原因就是“Claude 的额度消耗得太快”。
如果一个订阅的额度已经不够用，我想最终大家都会自然地转向同时使用两个订阅。
同时使用两个代理也能提升性能
使用两个并不只是为了解决额度问题。尝试 AI 编排时，让不同代理相互协作，比连接两个相同代理的效果更好。
这也有研究支持。X-MAS 研究（arXiv 2505.16997）报告称，在多代理系统中按角色配置不同的 LLM，相比同质组合可以将准确率提升 8%～47%；另一项研究（arXiv 2602.03794）则发现，两个多样化代理可以达到甚至超过 16 个同质代理的效果。
根据我的经验，效果最好的组合是：**让 Claude 负责工作，再让 Codex 检查成果。**也就是由快速果断的资深开发者产出结果，再由谨慎准确的审查者进行筛选。由于两者性格不同，很容易发现彼此的盲点。
总结
- Claude 是快速且准确的资深开发者风格，Codex 则是较慢但精准的风格。社区评价也一致如此。
- Fable 5 解决了 Claude 的不足（偶尔出错），而 GPT-5.6 Sol 尽管存在 token 问题，依然非常出色。
- 现在已经没有必要坚持 Claude。两者都是顶级选择，两个都用最好。
- 如果只能选一个，我会选择 Codex，因为订阅还包含 ChatGPT 和图像生成，整体价值更高。
- 考虑到 token 消耗正在暴增，最后大家不都会两个都用吗？
- AI 编排的答案是异质组合。Claude 负责创建、Codex 负责检查的组合效果最好。
参考资料
- GPT-5.6 Sol 使用量快速耗尽问题（openai/codex #32250）
- Codex 应用中的 Sol 上下文上限问题（openai/codex #31860）
- Claude Fable 5 与 Mythos 5 基准测试分析（Vellum）
- Claude Code 与 OpenAI Codex 对比（Composio）
- Codex 与 Claude Code 对比（Builder.io）
- X-MAS：异质 LLM 多代理研究（arXiv 2505.16997）
- 代理多样性扩展研究（arXiv 2602.03794）
- AI token 消耗加速报道（Forbes，2026.4）
- Token 成本账单时代（TechCrunch，2026.6）