为什么我们从 Claude Code 换到 Codex？丨Limitless
输入“/”快速插入内容
为什么我们从 Claude Code 换到 Codex？丨Limitless
为什么我们从 Claude Code 换到 Codex？丨Limitless
用户4242用户42425月7日修改
原创 Capihom Capihom 晚点再听LaterCast2026年5月7日 21:03 北京
我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听
"你今天用的模型，可能不会是你明天用的模型。"
"过去一周，Codex 的下载或安装超过 4600 万次。"
"Opus 4.7 是编排者，Codex 是这份计划的执行者。"
这期节目讨论了一个很贴近工程师日常的问题：几个月前，他们还建议大家用 Claude Code；现在，他们开始解释为什么自己又切回 OpenAI Codex。两位主播没有把它做成抽象模型榜单，而是拿电脑控制、长任务自治、浏览器、自动审批、Chronicle 记忆、游戏生成和仪表盘生成做了对比。对工程师、产品经理和知识工作者来说，这期的价值在于：AI 工具栈的稳定期很短，选工具不能只靠品牌记忆，要回到当天的实际任务。
Claude Code 曾经赢下工程师心智
圣诞假期前后，AI 编程从“好玩的工具”进入真实交付场景，开发者开始拿它写代码、修项目、做 side project。Anthropic 在那段时间连续发布产品，把 Claude Code 推成很多工程师的默认入口。主播也说，自己做 AI 相关工作时，任何进展都往 Claude Code 里丢。 短短几个月里，Claude Code 从新鲜功能变成了工作台。 这个背景很重要，Codex 的反超直接打到一批已经形成习惯的开发者，逼他们重新评估默认工具。
"几个月前，Claude Code 是所有人都在谈的东西，每个软件工程师都在用它。"
主持人的判断是，OpenAI 在最近几周突然醒来。到 4 月底，GPT 5.5 被接入编码模型，OpenAI 进入一轮“code red”式投入，目标就是做出最强编码模型和最强 LLM。节目引用的数字很夸张：过去一周，Codex 下载或安装超过 4600 万次，Claude Code 不到 50 万次。历史上 Claude Code 的下载和安装曾经压过 Codex。Codex 这次抢走的，是已经习惯在 Claude Code 里工作的开发者注意力。
Codex 的优势先从电脑控制开始
两位主播给出的第一张记分板：OpenAI Codex 11 分，Anthropic Claude 2 分。他们先聊电脑控制。Claude 更早探索过这类能力，可以移动鼠标、操作桌面，但体验慢，过程中常遇到阻碍，需要人频繁接管。主播说，Codex 的鼠标移动速度甚至快过普通人，像一个可以 24 小时运行的电脑使用者。 电脑控制的分水岭，已经从“能操作”走向“能不能让人放心离开”。
"我能看到光标移动得非常快，像是在用电脑，但它是超人。"
长任务自治也被放在同一组能力里。他们提到一种 Ralph loop：给 AI 一个目标，让它不断迭代，直到完成任务。Codex 被描述为更接近原生长任务执行器，有人截图显示它能思考 36 小时去完成目标。对写代码的人，这不是炫技数字。项目里真正麻烦的工作往往是修一串边界条件、跑测试、改权限、再回头找原因。能否持续推进，直接决定 Agent 是玩具还是队友。
浏览器能力也进入同一条比较线。主播说，Codex 现在能接管浏览器，理解自己看到的页面，并做更有意图的操作；Claude 也能做类似事情，但理解和动作没有那么稳。图像生成则是 OpenAI 的额外筹码。ChatGPT Images 2.0 被他们放进 Codex 生态里看，因为视觉生成可以直接服务软件、游戏、原型和页面资产。Anthropic 没有同等图像模型，工具箱宽度吃亏。
这套组合能力会改变工程师的提问方式。过去大家问模型“帮我写一段代码”，现在会直接给一个任务包：打开浏览器查资料，生成素材，改项目文件，跑起来看结果，再根据错误继续修。Codex 在节目里的吸引力，来自它把这些步骤放进同一个执行链里。
自动审批让人能暂时离开电脑
工程师使用 AI 写代码时，最烦的一类打断来自权限。工具想打开 Chrome、访问文件、运行命令，人得坐在旁边不断点批准。Codex 最近发布 auto review 后，主播认为体验变顺了：Agent 会区分哪些动作可能造成系统级风险，哪些只是普通步骤；低风险动作自动批准，高风险动作再交给人确认。 Agent 工作流的效率，不只取决于模型回答质量，也取决于权限系统能不能减少无意义等待。
"它会知道哪些批准可能是系统级威胁，哪些批准不会让你陷入麻烦。"
节目里也给 Claude 留了位置。Claude 的移动端 dispatch 能远程操作 Claude Code，Codex 当下还没有同等能力。Claude 的人格和界面仍然更温暖，作为聊天模型或“harness”里的工具也很强。两位主播并没有说 Claude 全面失效，反而把分工说得更细：Claude 在对话、人格、编排和部分远程能力上依然有优势，Codex 更像执行复杂动作的工作马。
这里的取舍会影响团队流程。生产环境代码、支付系统、权限变更这类任务，工程师可能更想让 Claude 多问几次；临时游戏、营销页、内部工具这类任务，少打断、自动推进反而更舒服。AI 工具没有单一最佳模式，风险高低决定人要站多近。
Chronicle 把记忆从聊天框带到屏幕上
节目里最有争议也最有想象力的功能是 Chronicle。过去的 AI 记忆需要用户主动喂上下文，告诉模型记住什么。Chronicle 的思路更进一步：它观察你滚动了什么、点击了什么、输入了什么，自动建立关于你的上下文和记忆。主播给了一个提示词：根据 Chronicle 看到的内容，告诉我在电脑上有哪些低效行为，直接一点，告诉我该听什么。 当记忆从聊天历史扩展到屏幕行为，AI 不再只回答问题，也开始审视工作习惯。
"它观察你滚动、点击、输入的内容，并在你不需要喂给它的情况下建立上下文和记忆。"
主持人也点到了隐私压力。他认为 OpenAI 没有把 Chronicle 这样营销，可能因为它持续监控屏幕、截图和解释行为，会让用户警惕。当前它只给 Pro 用户开放，仍像早期功能。可一旦这条路走通，Agent 对电脑的理解会从“当前页面有什么按钮”升级到“这个人怎样工作、哪里耗时、哪一步总是重复”。知识工作者未来的效率建议，可能来自自己过去一周的屏幕轨迹。
一条 Mario prompt 看出执行差异
两位主播设计了一个直观测试：让 Claude 和 Codex 分别用同一条详细 prompt，生成一个未来感 Mario 式横版游戏，要有关卡、敌人、陷阱、分数和完整说明。Claude Opus 4.7 的版本视觉很好，有声音，有清晰的危险物和动画，但双跳没有按菜单承诺工作，部分金币够不到，游戏逻辑有瑕疵。Codex 版本没有音乐，设计也许没那么漂亮，但生命值、分数、道具、跳跃和可玩性更完整。 他们最后把游戏生成这一轮判给 Codex，原因是代码逻辑和交付体验更稳定。
"在构建侧，我用 Codex 的体验愉快得多。"
这个测试对工程团队有现实意义。很多内部工具、运营后台、数据看板和临时原型，并不追求视觉惊艳，先要能跑、能改、能交付。Codex 在这一轮里的“少问权限、自己判断、继续推进”符合这类任务。Claude 的审美和声音更像一个会设计的伙伴，Codex 更像一个愿意埋头把逻辑跑通的执行者。不同任务下，胜负会变。
从手写纸到 Dashboard，模型仍会跑偏
第二个 demo 更像产品经理会做的事：拿一张“手写纸”让模型生成 Limitless dashboard 应用。Claude 做出了一个结构完整的 dashboard，但风格很可预测，还把主题误解成旅行计划。GPT 5.5 的版本更干净、信息层级更好，视觉也更像主播愿意使用的工具，可它同样没有完全对准纸上的意图。 多模态原型已经能把草图变成应用，但“读懂业务语义”仍然需要人检查。
"它确实拿到了我们纸上的信息，转成了一个 dashboard，但它做成了旅行计划板。"
主播随后引出 AI model harness。基础模型只是其中一层，外面还会套上预设 prompt、政策、权限、环境和工具调用方式。Cursor 曾被批评只是 wrapper，没有自己的模型；但节目里的观点是，harness 会显著改变模型表现，甚至让同一个底座在真实工程任务里变得更聪明。AI 编程工具的竞争，已经从“谁的模型参数更强”扩展到“谁把模型、环境和工作流封装得更好”。
别急着拼插件，原生工具正在吞功能
节目后半段提到 OpenClaw。主播认为 OpenAI 收购相关能力后，可以把它更深地集成进 Codex。节目引用一条开发者回复：Codex 需要原生编辑器、iOS app、完整浏览器和 OpenClaw，对方说“所有这些以及更多都在路上”，Sam Altman 也转发了。由此他们提出一个有趣的实践原则：vanilla maxing，也就是优先使用官方原生工具。 AI 实验室发版速度太快，很多今天需要插件拼出来的能力，几周后可能直接进入主应用。
"你应该 100% vanilla maxing，只用交到你手里的工具。"
他们并没有否定开源工具的前沿价值，只是强调普通用户的安全边界。把一个实验性工具接进个人桌面，会碰到文件、信用卡、照片、系统权限等敏感区域。主播提到一些糟糕传闻：工具访问了信用卡数据，或误删私人照片。相比之下，ChatGPT、Codex、Claude 这类有品牌背书的产品，会把电脑控制放进更明确的沙盒和授权流程里。团队选原生工具，往往是在降低权限事故和后续维护成本。
最后的工具栈：Claude 编排，Codex 执行
节目结尾没有给出绝对赢家。主播说，当前更偏 Codex GPT 5.5，但 Claude 仍可能靠 Mythos 追回来；他们还提到 Mythos 因为安全风险和访问限制没法演示。实际工作栈更值得参考：Josh 说自己几乎全面切到 Codex，尤其是困难任务；但作为聊天模型，他仍喜欢 Opus 4.7 的人格和精确度。复杂项目里，他把 Opus 4.7 当编排者，把 Codex 当执行者。写作、文件吸收、Obsidian 知识整理时，他甚至更偏 Opus 4.6。
这个分工比“谁赢了”更接近真实工作。一个复杂项目里，先要有人拆任务、写计划、判断优先级，再让执行器改文件、跑命令、修失败。节目里的说法很清楚：Opus 4.7 更像能理解意图的编排层，Codex 更适合把计划落实成代码。模型之间的竞争，最后会落到团队怎样把规划、执行、审查和知识整理拆开。
"Opus 4.7 是编排者，Codex 是这份代码计划的执行者。"
Ejaaz 的选择更分散：研究任务开始偏向 GPT 5.5，因为它思考更久、讨论更深；看到突发新闻时，他会直接用手边可用的 Grok；Claude 仍因为声音没那么“AI 味”而保留在栈里。工程师可以照这个思路拆任务：聊天和规划用更懂语气的模型，代码执行交给更能跑长任务的 Agent，研究和信息检索再按场景切工具。模型选择会继续变，任务拆分比押注一家更稳。
写在最后
这期最实用的提醒是：别把 AI 工具栈当长期信仰。Claude、Codex、GPT、Grok 都会轮流领先。工程师今天该做的，是把自己的真实任务拿出来跑一遍：能否持续执行、能否少打断、能否交付可用结果。结果会比榜单更诚实。
内容来源："Why We Switched from Claude Code to OpenAI Codex"丨Limitless Podcast