使用 Claude 1 年、Codex 6 個月後，這位開發者的結論
最近開發者社群最常見的問題之一，就是「Claude Code 和 Codex 該用哪一個？」我訂閱 Claude 約 1 年、Codex 超過 6 個月，每天都在使用，也實際體驗了近期推出的 Claude Fable 5 和 GPT-5.6 Sol。在選定這兩者之前，我也用過 Cursor 和 Kiro。Cursor 一開始真的很好，但因為 Claude 實在太出色，我自然而然就轉用了 Claude。Kiro 是不錯的工具，但畢竟較為非主流，技能與外掛等生態系還不完整；而且最後在 Kiro 裡仍會使用 Claude 模型，因此沒有特別繞一圈的理由。這篇文章會整理我親身感受到的差異，並一併彙整社群問卷、基準測試與 GitHub issue 等客觀資料。
我感受到的兩個代理程式性格差異
一句話總結如下：Claude 整體上像是一位各方面都很強的資深開發者，而 Codex 則像是一位話不多但精準的同事。
Claude Code 相對快速且精準。它很擅長掌握程式碼庫與理解上下文，即使指示有些模糊，也能準確抓到意圖。不過它偶爾會犯錯，屬於那種很有自信地一路推進，卻可能漏掉細節的資深開發者風格。此外，由於使用者眾多，技能與外掛等周邊生態系豐富，也是不可忽視的優點。搜尋需要的工作流程，通常都能找到別人已經建立好的方案。
Codex 不像 Claude 那樣快速、果斷地撰寫程式碼，但它很精準。它會花較久時間思考，因此交付成果的漏洞更少。
有趣的是，這不只是我個人的感受。在超過 500 人參與的 Reddit 問卷中，日常使用有 65% 的人偏好 Codex；但在盲測程式碼審查中，67% 的人認為 Claude 的程式碼更乾淨。海外社群也常見這樣的評價：「Claude 擅長精準編輯，Codex 擅長大範圍重構」、「Codex 雖然較慢，但面對複雜工作更徹底」。這與我的實際感受幾乎一致。
Claude Fable 5：原本令人遺憾的部分都解決了
2026 年 6 月推出的 Claude Fable 5，個人使用後非常滿意。舊版 Claude 的缺點，也就是「速度快但偶爾會犯錯」，幾乎已經解決。
數據也證實了這一點。Fable 5 在 SWE-bench Verified 得分 95%，在 SWE-bench Pro 得分 80.3%。前一代頂尖模型 Opus 4.8 在 SWE-bench Pro 的分數是 69.2%，因此提升了超過 11 個百分點。在高難度的 FrontierCode Diamond 中，它得到 29.3%，超過 Opus 13.4% 的兩倍。Stripe 表示，使用 Fable 5 在一天內完成了 5,000 萬行 Ruby 程式碼庫的遷移；若靠人工，這項工作需要超過 2 個月。當然，這些基準測試是以 Anthropic 自有的 scaffolding 為基礎，也有人批評它不是中立的 harness，因此與其把數字視為絕對值，不如將其視為趨勢。
GPT-5.6 Sol：令人生畏的 Token 問題，儘管如此仍然出色
OpenAI 於 7 月 9 日推出的 GPT-5.6 Sol 也是非常出色的模型。它在 Artificial Analysis 的 Coding Agent Index 中拿下 80 分，創下新紀錄。然而推出後不久，就大量出現「使用量上限以瘋狂速度消耗」的回報。我也遇到了這個問題，實際深入追查後，可以看到相當具體的跡象。
- Codex 儲存庫的 GitHub issue #32250 顯示，一位 Pro 訂閱者讓 GPT-5.6 Sol Medium 執行一項短工作後，5 小時上限的剩餘量從 87% 降到 76%，一次消耗了 11 個百分點。之後，即使是沒有工具呼叫的瑣碎後續問題，每次也會扣掉約 1 個百分點。消耗速度甚至比同一位使用者使用的 GPT-5.5 xhigh 更快。
- Issue #31860 確認，Codex 應用程式使用 Sol 時，將上下文截短至 372K，約為 1.05M token 規格的 35%。當上下文達到 90% 時會提早進行 compaction，而這個重新處理流程可能進一步加速了 token 消耗。
最後 OpenAI 也承認「讓最高運算設定變得太容易使用，卻沒有充分說明其影響」，並在 24 小時內重設了兩次 rate limit。根據 OpenAI 相關人士的說明，5.6 Sol 的 Medium 與 5.5 的 Medium 並非同一級別；預設值是 Sol Low，而 xhigh 只應用於真正困難的問題。換句話說，這與其說是模型本身每個 token 的效率低，不如說是高運算設定被當成預設值使用的 UX 問題，加上應用程式端的錯誤所造成。實際上，OpenAI 聲稱 Sol 的 max reasoning 相較競爭模型可減少 54% 的輸出 token。
雖然這是致命的瑕疵，但模型本身仍然非常出色。只要理解設定後再使用，成果的精準度依舊是頂尖水準。
現在已經沒有必要堅持使用 Claude
直到幾個月前，社群還瀰漫著「寫程式就一定要用 Claude」的氛圍。我認為現在已經不是這樣了。兩者都非常優秀。在 Terminal-Bench 2.1 中，Codex CLI 組合以 83.4% 奪得第一；在 SWE-bench Pro 中，Fable 5 則以 80.3% 領先。這是一個每個基準測試都可能由不同模型奪冠的時代。
因此我的結論是，兩個都用最好。不過如果只能選一個，我會選 Codex，因為我本來就常用 ChatGPT，而且同一個訂閱也能處理圖片生成。也就是說，這個選擇是從整個訂閱的效益來看，而不是只看單一程式設計代理程式。
最後大家不都會兩個都用嗎？
我還想補充一個觀點：最近模型的 token 使用量正以驚人的速度增加。有分析指出，代理式 AI 消耗的 token 最多可達一般聊天機器人使用量的 1,000 倍；Forbes 和 TechCrunch 將這個現象稱為「Tokenpocalypse」，並報導訂閱上限比預期更快用完的使用者正在大幅增加。實際上，社群中額外訂閱 Codex 最大的原因就是「Claude 的上限消耗得太快」。
如果一個訂閱的額度已經不夠用，我想最後大家都會自然地收斂到同時使用兩個訂閱。
同時使用兩個代理程式，效能也會更好
使用兩個不只是為了解決額度問題。實際進行 AI 編排時，讓不同代理程式彼此交流，比起接上兩個相同代理程式，效能更好。
這也有研究支持。X-MAS 研究（arXiv 2505.16997）指出，在多代理程式系統中，依照角色配置不同的 LLM，相較同質組合可讓準確度提升 8～47%；另一項研究（arXiv 2602.03794）則發現，兩個多樣化代理程式可以媲美甚至超越 16 個同質代理程式。
根據我的經驗，效果最好的組合是這樣：**讓 Claude 負責工作，再由 Codex 檢查成果。**也就是讓快速且果敢的資深開發者產出成果，再由謹慎精準的審查者篩選。由於兩者性格不同，很能抓出彼此的盲點。
總結
- Claude 是快速且精準的資深開發者風格，Codex 則是較慢但精準的風格。社群評價也一致如此。
- Fable 5 解決了 Claude 的缺點（偶爾犯錯），而 GPT-5.6 Sol 儘管有 token 問題，仍然非常出色。
- 現在已經沒有必要堅持 Claude。兩者都是頂尖模型，兩個都用最好。
- 如果只能選一個，我會選 Codex，因為訂閱同時包含 ChatGPT 和圖片生成，整體效益更高。
- 考量 token 消耗暴增的趨勢，最後大家不都會兩個都用嗎？
- AI 編排的答案是異質組合。Claude 負責建立、Codex 負責檢查的組合效果最好。
參考資料
- GPT-5.6 Sol 使用量快速耗盡問題（openai/codex #32250）
- Codex 應用程式的 Sol 上下文上限問題（openai/codex #31860）
- Claude Fable 5 & Mythos 5 基準測試分析（Vellum）
- Claude Code 與 OpenAI Codex 比較（Composio）
- Codex 與 Claude Code 比較（Builder.io）
- X-MAS：異質 LLM 多代理程式研究（arXiv 2505.16997）
- 代理程式多樣性擴展研究（arXiv 2602.03794）
- AI token 消耗加速報導（Forbes，2026.4）
- token 成本帳單的時代（TechCrunch，2026.6）