Codex 實測一個月，替代了我的 Claude Code
整理版優先睇
Codex vs Claude Code：一個月實測，成本低10倍但有限制
呢篇文章係由AI工具分享公眾號SunyataAI嘅作者寫嘅，佢用咗一個月時間實測Codex同Claude Code嘅表現，想搞清楚Codex係咪可以取代Claude Code。作者本身每月AI編程工具支出$600，包括兩個Claude Code訂閲同一個Codex Pro，佢發現Codex實際做嘅嘢比Claude Code仲要多。整體結論係：Codex已經係Claude Code嘅完全平替，除咗爬蟲同逆向工程呢類受安全限制嘅任務。
作者詳細比較咗成本、能力、配置同使用技巧。成本方面，同一自動化任務，Claude Code行一次要$155，Codex只需要$15，相差成10倍，主要原因係GPT-5.5效率更高。Codex仲有開源、安全限制強、社區活躍等優點，但複雜重構能力稍遜，可以用Superpowers呢類工具補足。
最後，作者分享咗實用配置同多路並行嘅方法，提醒讀者注意會話容量上限同擴展管理。核心變化係一個人可以調動嘅AI算力急劇增加，從去年一個Claude Code到而家可以一個CC加七八個Codex並行工作，效率大幅提升。
- 成本差距巨大：同一任務Codex只需$15，Claude Code要$155，相差10倍，因為GPT-5.5效率更高。
- Codex開源、安全限制強，灰色任務做唔到；複雜重構能力不如CC，但可用Superpowers補足。
- 配置貼士：AGENTS.md要簡潔，權限設全自動（需git），caveman模式可慳65%額度，用量監控用ccusage。
- 多路並行可大幅提升效率：拆任務畀多個Codex同時做，但要確保一個文件只分俾一個Codex。
- 踩坑經驗：會話容量上限後品質下降，唔好續命；唔好裝太多擴展，每輪對話會多燒token。
caveman模式指令
export CODEX_RESPONSE_STYLE=caveman
用量監控工具ccusage
pip install ccusage
成本差距：$155 vs $15
作者實測一個月，發現同一自動化任務，Claude Code行一次燒$155額度，Codex只需要$15，相差成10倍。主因係GPT-5.5資源消耗效率更高，用更少「思考量」就搞掂。
作者每月AI編程工具支出$600，包括兩個Claude Code訂閲（$400）同一個Codex Pro（$200），但Codex呢$200實際做嘅嘢比CC嘅$400仲多。中轉站價格係關鍵：Codex中轉站價格往往係官方一折甚至更低，而且OpenAI比Anthropic穩定得多。
$0.155 vs $0.15
10倍
GPT-5.5
Codex vs Claude Code：各有千秋
Codex同Claude Code直接對標，都係喺終端入面行，可以讀代碼、改文件、執行命令。但Codex有幾個關鍵差異：開源（GitHub 7.5萬星）、社區活躍、安全限制好強（爬蟲同逆向工程會直接拒絕），係「道德標兵」。
- 開源：代碼全部公開，現成技能50多個可直接裝。
- 安全甲強：灰色地帶任務幫唔到你。
- GPT-5.5加持：速度快，每秒約90 token，輸出自然咗好多。
複雜重構方面，Claude Code理解能力更強，盲審測試顯示CC代碼質量勝率67%。不過可以用Superpowers呢套工具強制AI按流程幹活，補足差距，CC、Cursor、Gemini都用得。
道德標兵
Superpowers
盲審測試勝率67%
安裝到高效使用要點
- 1 安裝：將「我用係Mac/Windows，幫我安裝Codex CLI」交畀任何AI，佢會一步步教你。裝完終端輸入codex，用ChatGPT賬號登錄就得，唔使配密鑰或設環境變數。費用包含喺ChatGPT訂閲，$20 Plus就用得；重度建議Pro，有5倍用量。
- 2 AGENTS.md：放喺項目根目錄，寫項目規矩。建議唔超過一頁紙，只寫AI自己發現唔到嘅嘢（構建命令、禁止操作嘅文件、提交信息格式）。研究發現，讓AI自動生成嘅AGENTS.md反而會降低任務成功率。
- 3 權限配置：喺~/.codex/config.toml set approval_policy = "never"同sandbox_mode = "workspace-write"，咁就可以全自動，但前提係一定要開git兜底。
- 4 caveman模式：export CODEX_RESPONSE_STYLE=caveman，開咗之後Codex唔再廢話，直接幹活，可以慳65%額度。
- 5 用量監控：pip install ccusage，裝咗之後可以睇到每日燒咗幾多額度，避免任務循環燒token。
AGENTS.md
caveman
ccusage
一個人調動的算力急增
作者認為最值得關注嘅用法係多路並行：將大任務拆成多個獨立項目副本，每個Codex分配一個，同時行，互不幹擾。關鍵規則係一個文件只能分畀一個Codex，否則兩個同時改會出問題。實測7個Codex同時幹活，25分鐘搞掂一個人串行要做兩三日的量。
- 踩坑1：每個Codex會話有容量上限，用盡之後唔會報錯，但開始寫不靠譜代碼。規則：感覺不對勁就開新會話，唔好續命。
- 踩坑2：唔好裝太多擴展，每個工具都會食額外資源。有人接咗一個GitHub工具包有93個功能，每輪對話多燒五萬幾token。只留用得上的，其他全砍。
多路並行
一個文件只能分畀一個Codex
會話容量上限
$155 vs $15：我用一個月實測話你知，Codex 已經可以取代 Claude Code 啦
同一個自動化任務，Claude Code 跑一次 $155 額度，Codex 跑一次 $15 額度。呢個係我用一個月實測得到嘅核心結論。
Codex 係咩？
Codex 係 OpenAI 整嘅編程工具，同 Claude Code 直接對標。都係喺終端裏面行，可以讀代碼、改文件、執行命令，基本能力一樣，但係有幾個關鍵唔同：
- 開源：代碼全部公開，GitHub 有 7.5 萬人俾星。社區活躍，現成技能有 50 幾個可以直接安裝。
- 安全甲好強：爬蟲、逆向工程呢類任務會直接拒絕，佢係『道德標兵』。如果你需要做灰色地帶嘅嘢，佢幫唔到你。
- GPT-5.5 加持：4 月 24 日默認轉咗去 GPT-5.5，速度快咗，每秒大約 90 token，輸出自然咗好多，冇咗嗰陣『AI味』
成本差距：$155 vs $15
呢個係最令我意外嘅數字。
實測數據：同一個自動化任務，Claude Code 跑一次大約消耗 $155 額度，Codex 跑一次大約 $15 額度。差咗成 10 倍。
原因在於 GPT-5.5 嘅資源消耗效率更高，同樣嘅任務，佢用更少嘅『思考量』就搞得掂。
作者每月 AI 編程工具支出 $600：兩個 Claude Code 訂閲 $400 + 一個 Codex Pro $200。佢嘅結論係：Codex 呢 $200 實際上做嘅嘢，比 CC 嘅 $400 仲要多。
中轉站嘅價格更低都係關鍵因素。Codex 嘅中轉站價格往往係官方一折甚至更低，而且 OpenAI 比 Anthropic 穩定好多，唔會成日無啦啦壞。呢個都係實實在在嘅成本優勢。
Codex 嘅侷限
唔係所有場景都適用。
- 爬蟲、逆向工程：安全甲會直接拒絕，冇辦法突破。
- 複雜重構：同時改十幾個文件、需要理解整個項目架構嘅場景，Claude Code 嘅理解能力仍然更加強。盲審測試顯示 CC 代碼質量勝率 67%。
但係有一個工具可以補足呢個差距，Superpowers，一套強制 AI 按流程做嘢嘅規矩，複雜任務完成質量穩定好多，CC、Cursor、Gemini 都用得。
實用配置：由安裝到高效使用
1. 安裝
將『我用嘅係 Mac/Windows，幫我安裝 Codex CLI』send 畀任何一個 AI，佢會一步一步教你。裝完之後喺終端輸入 codex，用 ChatGPT 賬號登錄就可以，唔需要配密鑰、唔需要設定環境變量。
費用：包含喺 ChatGPT 訂閲裏面，$20 嘅 Plus 就用得。重度使用建議 Pro，有 5 倍用量（目前促銷期有 10 倍，6 月 1 日結束）。
2. AGENTS.md 點樣寫
CC 用 CLAUDE.md，Codex 用 AGENTS.md，功能一樣，放喺項目根目錄，話畀佢知項目規矩。
寫法建議：唔好超過一頁紙，只寫佢自己發現唔到嘅嘢（構建命令、禁止操作嘅文件、提交信息格式）。研究發現，讓 AI 自動生成嘅 AGENTS.md 會降低任務成功率，因為 Codex 本身識讀代碼，說明太多反而會受幹擾。
3. 權限配置
Codex 默認每個操作都要確認，好煩。喺 ~/.codex/config.toml 裏面配置一次：
approval_policy = "never" sandbox_mode = "workspace-write"
咁樣佢就可以喺項目目錄裏面隨便改文件、執行命令，唔再問你。
前提：一定要開 git 兜底。Codex 開咗全自動之後改代碼仲激進，有 git 先可以回滾，冇 git 只能重寫。
4. 一條命令慳 65% 額度
export CODEX_RESPONSE_STYLE=caveman
開咗之後 Codex 唔再廢話，唔解釋、唔寒暄、淨係做嘢。而家所有 Codex 會話默認開咗呢個。
5. 用量監控
pip install ccusage
裝咗之後可以睇到每日燒咗幾多額度。作者有一次任務行咗入循環，幾分鐘燒咗成幾萬 token，裝咗監控先發現呢啲事比想像中常見。
多路並行：一個人調動嘅算力喺急劇增加
呢個係我認為最值得關注嘅用法。
將大任務拆成多路並行：每個 Codex 分配一個獨立項目副本，同時行，互相唔幹擾。關鍵規則：一個文件只能分畀一個 Codex，兩個同時改一定會出問題。
實測數據：7 個 Codex 同時做嘢，25 分鐘搞得掂一個人串住做要兩三日嘅量。
踩過嘅坑
1. 用到後面開始亂咁講嘢
每個 Codex 會話有容量上限，用完咗佢唔會報錯，而係開始寫唔靠譜嘅代碼，比報錯更加慘，因為質量靜靜雞咁跌咗你可能仲唔知道。
規則：覺得唔對路嘅時候，直接開新會話，唔好續命。寧願重新畀上下文，都唔好喺疲勞嘅會話裏面死撐。
2. 唔好裝太多擴展
每個工具都會食額外資源。有人接咗一個 GitHub 工具包，裏面有 93 個功能，每輪對話直接多燒咗五萬幾 token。淨係留真正用得着嘅，其他全部砍咗。
結論
Codex 而家已經係 Claude Code 嘅完全平替（爬蟲同逆向除外）。作者仲留咗 CC 主要係習慣加上某啲需求，其餘工作全部喺 Codex 上面做。
核心變化係：一個人可以調動嘅 AI 算力急劇增加。舊年係一個人 CC 做嘢，今年係一個 CC 加七八個 Codex 並行。
如果你已經在用緊 Claude Code 覺得仲未夠，加一個 Codex，你就會明我講緊乜。
呢度係 SunyataAI，分享 AI 前沿資訊、工具、技術嘅公眾號。如果你喺 AI 使用中遇到咩問題可以揾我傾下。【關注我，唔講虛嘅概念，只係傾 AI 真正適合你嘅嘢】
往期好文
AI 2.0 時代嘅創業生存手冊：李開復三條建議嘅深度拆解同實戰路徑
Hermes Agent 評測：首個內置『自我進化』嘅 AI Agent，比 OpenClaw 更識得學習
$155 vs $15：我用一個月實測告訴你，Codex 已經能替代 Claude Code 了
同一個自動化任務，Claude Code 跑一遍 $155 額度，Codex 跑一遍 $15 額度。 這是我一個月實測的核心結論。
Codex 是什麼
Codex 是 OpenAI 做的編程工具，和 Claude Code 直接對標。也是在終端裏跑，能讀代碼、改文件、執行命令，基本能力一樣，但有幾個關鍵差異：
- 開源：代碼全部公開，GitHub 7.5 萬人星。社區活躍，現成技能 50 多個可直接裝。
- 安全甲很強：爬蟲、逆向工程這類任務會直接拒絕，它是”道德標兵”。如果你需要做灰色地帶的事，它幫不了你。
- GPT-5.5 加持：4 月 24 日默認切換到 GPT-5.5，速度快，每秒約 90 token，輸出自然了很多，不再有那股”AI味”
成本差距：$155 vs $15
這是最讓我意外的數字。
實測數據：同一個自動化任務，Claude Code 跑一遍約消耗 $155 額度，Codex 跑一遍約 $15 額度。差了整整 10 倍。
原因在於 GPT-5.5 的資源消耗效率更高，同樣的任務，它用更少的”思考量”就能搞定。
作者每月 AI 編程工具支出 $600：兩個 Claude Code 訂閲 $400 + 一個 Codex Pro $200。他的結論是：Codex 這 $200 實際乾的活，比 CC 的 $400 還多。
中轉站的價格更低也是關鍵因素。Codex 的中轉站價格往往是官方一折甚至更低，且 OpenAI 比 Anthropic 穩定得多，不會動不動抽風。這也是實打實的成本優勢。
Codex 的侷限
不是所有場景都適用。
- 爬蟲、逆向工程：安全甲會直接拒絕，無法突破。
- 複雜重構：同時改十幾個文件、需要理解整個項目架構的場景，Claude Code 的理解能力仍更強。盲審測試顯示 CC 代碼質量勝率 67%。
但有一個工具可以補足這個差距，Superpowers，一套強制 AI 按流程幹活的規矩，複雜任務完成質量穩定很多，CC、Cursor、Gemini 都能用。
實用配置：從安裝到高效使用
1. 安裝
把「我用的是 Mac/Windows，幫我安裝 Codex CLI」發給任何一個 AI，它會一步一步教你。裝完終端輸入 codex，用 ChatGPT 賬號登錄即可，不需要配密鑰、不需要設環境變量。
費用：包含在 ChatGPT 訂閲裏，$20 的 Plus 就能用。重度使用建議 Pro，有 5 倍用量（目前促銷期 10 倍，6 月 1 日結束）。
2. AGENTS.md 怎麼寫
CC 用 CLAUDE.md，Codex 用 AGENTS.md，功能一樣，放在項目根目錄，告訴它項目規矩。
寫法建議：不超過一頁紙，只寫它自己發現不了的東西（構建命令、禁止操作的文件、提交信息格式）。研究發現，讓 AI 自動生成的 AGENTS.md 會降低任務成功率，因為 Codex 本身能讀代碼，說明太多反而受干擾。
3. 權限配置
Codex 默認每個操作都要確認，很煩。在 ~/.codex/config.toml 裏配置一次：
approval_policy = "never" sandbox_mode = "workspace-write"
這樣它可以在項目目錄裏隨便改文件、跑命令，不再問你。
前提：必須開 git 兜底。Codex 開了全自動後改代碼更激進，有 git 才能回滾，沒 git 只能重寫。
4. 一條命令省 65% 額度
export CODEX_RESPONSE_STYLE=caveman
開了之後 Codex 不再廢話，不解釋、不寒暄、只幹活。現在所有 Codex 會話默認開這個。
5. 用量監控
pip install ccusage
裝了之後能看到每天燒了多少額度。作者有一次任務跑進循環，幾分鐘燒掉好幾萬 token，裝了監控才發現這種事比想象中常見。
多路並行：一個人調動的算力在急劇增加
這是我認為最值得關注的用法。
把大任務拆成多路並行：每個 Codex 分配一個獨立項目副本，同時跑，互不干擾。關鍵規則：一個文件只能分給一個 Codex，兩個同時改必定出問題。
實測數據：7 個 Codex 同時幹活，25 分鐘搞定一個人串行做要兩三天的量。
踩過的坑
1. 用到後面開始胡說八道
每個 Codex 會話有容量上限，用完了它不會報錯，而是開始寫不靠譜的代碼，比報錯更坑，因為質量悄悄滑坡你可能還不知道。
規則：感覺不對勁了，直接開新會話，別續命。寧可重新給上下文，也不要在疲勞的會話裏硬撐。
2. 別裝太多擴展
每個工具都會吃額外資源。有人接了一個 GitHub 工具包，裏面 93 個功能，每輪對話直接多燒五萬多 token。只留真正用得上的，其他全砍。
結論
Codex 現在已經是 Claude Code 的完全平替（爬蟲和逆向除外）。作者還留着 CC 主要是習慣加上某些需求，其餘活全在 Codex 上。
核心變化是：一個人能調動的 AI 算力在急劇增加。去年是一個人 CC 幹活，今年是一個 CC 加七八個 Codex 並行。
如果你已經在用 Claude Code 覺得還不夠，加一個 Codex，你會明白我在說什麼。
這裏是 SunyataAI，分享 AI 前沿資訊、工具、技術的公眾號。如果你在 AI 使用中遇到什麼問題可以找我探討。【關注我，不講虛的概念，只聊 AI 真正適合你的東西】
往期好文
AI 2.0時代的創業生存手冊：李開復三條建議的深度拆解與實戰路徑
Hermes Agent 評測：首個內置「自我進化」的AI Agent，比OpenClaw更懂學習