今天尝试用Codex写代码#260804

我写程序一般用的是Claude和Claude Code，今天换了个口味，试了一下GPT的Codex。我有GPT Plus的会员账号，但当时订阅主要是拿来聊天用的，代码方面的额度基本没怎么碰过，一直白白浪费着。最近听不少人说GPT现在很强，Codex也很好用，身边好多人都在用Codex写程序，我就想着也该体验体验了。

先说说我之前对GPT的印象。之前用GPT 5.6 sol的时候，感觉它特别笨，特别机械。你给它布置一个任务，它确实会非常认真地去完成，但那种认真里透着一股"死板"，不够灵活，有一种不达目的誓不罢休的劲头。整体感觉还是一台机器在执行命令，而不是一个人在帮你做事。核心问题在于它的理解能力有限，听不出人话里的弦外之音，你话里隐含的意思它经常get不到，然后就按自己理解的方向猛冲。所以很多时候我不太敢把任务交给它，怕它那股子莽劲一上来，反而把本来做对的地方给搞坏了。

不过最近我在折腾一件事，让我觉得GPT这种性格也许反倒合适。

我想把《三国群英传3》完完全全复刻出来。如果能做到，就等于拥有了这个游戏的源代码，在这个基础上就可以自由地DIY，加新机制、改玩法，想怎么折腾怎么折腾，能做出很多更好玩的东西来。这件事我已经断断续续做了一段时间了。之前用Fable 5跑过不少内容，效果是不错的，但那个模型实在太贵了，长期用下来扛不住。后来又换成Claude Opus 4.8和Opus 5来做，也推进了不少，但开发出来的东西总是东一块西一块的，中间缺了很多内容，拼凑感很强，跟原版游戏的完整度差距还挺大。我的一个体会是，Claude在编程任务上的执行力不算特别强，它更擅长理解和设计，但让它一行行死磕代码去还原细节，有时候差点意思。

但GPT不一样，GPT的执行力是真的强。于是我就给它定了一个很明确的目标：完全对标原版，开发出来的效果要跟原版一模一样。这个目标设得好，因为它足够清晰，没有模糊空间，AI不会跑偏，照着目标一路往前跑就行。复刻这种任务天然就适合设定清晰的目标，不需要什么灵感和创新，就是严格地对标还原。而GPT那种机械、坚持的性格，放在这个场景里恰好就成了优势。而且即使搞坏了也没什么关系，本来这件事就是在玩，坏了大不了我自己改回来就是了。所以我觉得这个项目特别适合拿GPT来练手。

之前我以为Codex只有GUI版本，就是有个窗口界面那种，实际用起来感觉特别慢，也笨笨的，不少用过的人也有类似的感受。后来我发现Codex其实还有CLI版本，我一直比较习惯用命令行，总觉得CLI操作起来更快更利索。于是就切到CLI版本来跑，设好一个goal，让它自己去执行。现在Codex已经取消了之前那个5小时的额度限制，所以跑起来顺畅多了。

这一跑，足足跑了七个多小时，把我一整周的额度全部用完。毕竟是GPT Plus的账号，能连续跑这么久其实已经算不错了。之前我知道它有额度重置卡这个东西，我最多的时候手里攒了好像有4张，但一直觉得用不上就没动。今天翻出来一看，前面几张全都过期了，就剩最后一张还能用。于是我索性把额度跑到零，然后用这最后一张卡重置了一下，又续上了一波，接着跑。

整个体验出乎意料地好。它比Claude Code更能"坚持"，在运行过程中不停地找bug、修bug，一遍又一遍地循环，找到问题就修复，修完再检查，再找再修。这个过程其实挺让人省心的，因为复刻本身就不需要什么创造性，就是对着原版一点一点还原，它只要忠实地遵循指令去执行，就是在做正确的事情。

Codex还有一个值得一提的地方，就是它在运行过程中会自动压缩上下文。跑的时间长了，对话历史越来越长，它自己会判断什么时候该压缩，然后自动处理掉。但Claude Code不会这样做，上下文就会一直往上堆，越滚越长，到后面效率和质量都会受影响。这个差异在长时间任务里还是挺明显的。

聊到这儿，我觉得Claude现在确实有点显出颓势了。AI这个领域竞争太激烈，各种大模型层出不穷，中国的开源模型更是一个比一个猛。现在回头看，Claude的优势已经不像以前那么明显了。目前最强的应该还是Fable 5，但它的额度只够用一半，日常开发靠它不太现实。Opus 5出来之后口碑也不太好。Opus 4.6在文本表达上确实很强，但编程能力没有那么突出。而最近Qwen 3.8 Max也发布了，据说在语言表达能力上也相当能打，而这一块以前一直是Claude比较突出的领域。这么看下来，Claude的领先空间真的在收窄。

GPT和Codex我之前确实用得太少了，现在应该多花点时间去体验，看看它们各自还有什么长处。不能只守着Claude和Claude Code这一套工具不放，其他的也得用起来、练起来，多比较才能知道什么场景该用什么。