hesamation-claude-vs-codex-notes.tex

\documentclass[a4paper]{article}

% Basic packages
\usepackage[fontset=fandol]{ctex}
\usepackage{amsmath, amssymb}
\usepackage{graphicx}
\usepackage[margin=2.5cm]{geometry}
\usepackage[most]{tcolorbox}
\usepackage{etoolbox}
\usepackage{listings}
\usepackage{hyperref}
\usepackage{booktabs}
\usepackage{subcaption}
\usepackage{float}
\usepackage{tikz}
\IfFileExists{pgfplots.sty}{
    \usepackage{pgfplots}
    \pgfplotsset{compat=1.18}
}{}

% Highlight boxes
\newtcolorbox{knowledgebox}[1]{
    enhanced, colback=blue!5!white, colframe=blue!75!black, colbacktitle=blue!75!black,
    coltitle=white, fonttitle=\bfseries, title=#1, attach boxed title to top left={yshift=-2mm, xshift=2mm},
    boxrule=1pt, sharp corners
}

\newtcolorbox{importantbox}[1]{
    enhanced, colback=yellow!10!white, colframe=yellow!80!black, colbacktitle=yellow!80!black,
    coltitle=black, fonttitle=\bfseries, title=#1, sharp corners
}

\newtcolorbox{warningbox}[1]{
    enhanced, colback=red!5!white, colframe=red!75!black, colbacktitle=red!75!black,
    coltitle=white, fonttitle=\bfseries, title=#1, sharp corners
}

% Listings
\lstset{
    language=Python,
    basicstyle=\ttfamily\small,
    keywordstyle=\color{blue},
    stringstyle=\color{red!60!black},
    commentstyle=\color{green!60!black},
    breaklines=true,
    frame=single,
    numbers=left,
    numberstyle=\tiny\color{gray},
    captionpos=b,
    extendedchars=false
}

% Front-page metadata
\newcommand{\notetitle}{Claude Code vs.\ Codex: The Definitive Guide}
\newcommand{\noteauthors}{基于公开课程资料整理}
\newcommand{\notedate}{2026-03-10}
\newcommand{\videochannel}{\texorpdfstring{$\hbar\varepsilon$sam}{hesam} (Hesamation)}
\newcommand{\videopublishdate}{2026-03-10}
\newcommand{\videoduration}{约 12 分钟阅读}
\newcommand{\videourl}{https://x.com/Hesamation/status/2031418875946958915}
\newcommand{\videocoverpath}{}
\newcommand{\repourl}{https://github.com/hqhq1025/ai-course-notes}


% Footer with repo info
\usepackage{fancyhdr}
\pagestyle{fancy}
\fancyhf{}
\fancyfoot[C]{\thepage}
\fancyfoot[R]{\footnotesize\color{gray}\href{\repourl}{AI Course Notes}}
\renewcommand{\headrulewidth}{0pt}
\renewcommand{\footrulewidth}{0pt}

\begin{document}

\begin{titlepage}
\centering
{\Large 文章笔记\par}
\vspace{1.2cm}
{\huge\bfseries \notetitle\par}
\vspace{0.8cm}
{\large \noteauthors\par}
\vspace{0.3cm}
{\large \notedate\par}
\vspace{1.2cm}

\ifdefempty{\videocoverpath}{
\vspace{4cm}
}{
\includegraphics[width=0.82\textwidth,height=0.45\textheight,keepaspectratio]{\videocoverpath}\par
}

\vfill
\begin{tcolorbox}[width=0.9\textwidth, colback=black!2!white, colframe=black!60, sharp corners]
\textbf{原文作者}：\videochannel\par
\textbf{发布日期}：\videopublishdate\par
\textbf{阅读时长}：\videoduration\par
\textbf{原文链接}：
\ifdefempty{\videourl}{}{
\href{\videourl}{\nolinkurl{\videourl}}
}
\par
\textbf{项目主页}：\href{\repourl}{\nolinkurl{\repourl}}\par
\end{tcolorbox}
\end{titlepage}

\tableofcontents
\newpage

%% --- 正文内容开始 --- %%

\section{引言}

本文是对 X 平台用户 Hesamation 所撰写的长文 \textit{Claude Code vs.\ Codex: The Definitive Guide} 的中文整理。作者在使用 Claude Code 数月后转向 Codex，又重新切换回 Claude Code，从模型能力、使用体验、生态系统、定价策略等多个维度对两款 AI 编程代理进行了全面对比，并通过一个 RAG Pipeline 实验提供了定量参考。

\begin{knowledgebox}{背景：两款编程代理}
\textbf{Claude Code} 是 Anthropic 推出的 AI 编程代理，底层模型为 Opus 4.6，支持 1M token 上下文窗口。\textbf{Codex} 是 OpenAI 推出的编程代理，底层模型为 GPT-5.3-Codex。两者均提供 CLI 工具和 VS Code 扩展，订阅价格从 \$20/月到 \$200/月不等。
\end{knowledgebox}

\section{底层模型对比：Opus 4.6 vs.\ GPT-5.3-Codex}

\subsection{Task-Completion Time Horizon}

衡量模型能力的一个重要指标是 \textbf{Task-Completion Time Horizon}（任务完成时间跨度）：给模型一个"人类专家需要 $T$ 小时完成"的任务，模型能以多大概率成功完成？

\begin{importantbox}{核心对比：任务完成能力差距显著}
\begin{itemize}
    \item \textbf{Opus 4.6}：在 50\% 成功率下，可处理长达 \textbf{12 小时}的任务
    \item \textbf{GPT-5.3-Codex}：在 50\% 成功率下，可处理长达 \textbf{5 小时 50 分钟}的任务
    \item 在 80\% 成功率下，两者差距明显缩小
\end{itemize}
这表明 Opus 4.6 在处理复杂、长周期任务时具有明显优势。
\end{importantbox}

\subsection{Token 经济性}

基准测试显示两者准确率接近，但 token 消耗差异巨大。Morph 的对比研究发现：

\begin{table}[H]
\centering
\caption{Token 消耗对比}
\begin{tabular}{lcc}
\toprule
\textbf{指标} & \textbf{Claude Code} & \textbf{Codex} \\
\midrule
相同任务 token 倍率 & 3.2--4.2$\times$ & 1$\times$（基准） \\
Figma 插件构建 & 6.2M tokens & 1.5M tokens \\
\bottomrule
\end{tabular}
\end{table}

\begin{warningbox}{Token 消耗的实际影响}
在相同订阅价格下，Claude Code 用户更可能触及 token 用量上限。如果你的工作流涉及大量代码生成，需要特别关注这一点。
\end{warningbox}

\subsection{本章小结}

Opus 4.6 在长任务上的可靠性显著高于 GPT-5.3-Codex，但 Claude Code 的 token 消耗远高于 Codex。选择时需要在"任务处理深度"和"token 效率"之间权衡。

\section{速度与任务适配性}

\subsection{速度不是决定性因素}

Claude Code 公认速度更快，但作者指出：如果一个代理快速完成任务却留下需要 10 分钟调试的 bug，另一个虽慢却直接交付可用结果，后者的额外时间完全值得。

\begin{warningbox}{速度陷阱}
不要被"我的代理更快"这类说法误导。编程代理是长期使用的工具，\textbf{端到端的完成质量}比单次任务的执行速度更重要。
\end{warningbox}

\subsection{任务类型决定胜负}

两款代理在不同编程领域的表现差异很大：

\begin{itemize}
    \item 在 AI Engineering 任务中，一方可能占优
    \item 在 Web 开发任务中，另一方可能反超
    \item 低级编程（low-level programming）领域尚无定论
\end{itemize}

目前缺乏系统性的跨任务对比研究，且由于模型和代理每隔几个月就会大幅更新，这类研究也很难长期有效。

\subsection{本章小结}

速度优势不等于体验优势，任务类型对两款代理的表现影响极大。理想做法是在自己的实际编程领域中小规模测试两者。

\section{产品起源与技术栈}

\subsection{发展历程}

\begin{table}[H]
\centering
\caption{Claude Code 与 Codex 发展时间线}
\begin{tabular}{lp{5.5cm}p{5.5cm}}
\toprule
\textbf{时间节点} & \textbf{Claude Code} & \textbf{Codex} \\
\midrule
起源 & Anthropic 内部 @bcherny 的 side project，终端原型可调用 Claude API、读取文件、执行 bash 命令 & 最初的 Codex 是 12B GPT-3 微调模型，驱动了初代 GitHub Copilot \\
\addlinespace
公开发布 & 2025-02-24，Research Preview，使用 Claude 3.7 Sonnet & 2025-04-16，Codex CLI 发布 \\
\addlinespace
最新版本 & Opus 4.6（1M token 上下文） & GPT-5.3-Codex（2026-02-05），OpenAI 称其为"第一个参与了自身创建的模型" \\
\bottomrule
\end{tabular}
\end{table}

\begin{knowledgebox}{内部采用速度}
Claude Code 原型在 Anthropic 内部发布后，第五天就有一半团队在使用。这种自发的内部采用往往是产品 product-market fit 的强信号。
\end{knowledgebox}

\subsection{技术栈对比}

\begin{table}[H]
\centering
\caption{技术栈对比}
\begin{tabular}{lcc}
\toprule
\textbf{维度} & \textbf{Claude Code} & \textbf{Codex CLI} \\
\midrule
编程语言 & TypeScript & Rust \\
UI 框架 & React + Ink（终端 UI） & Ratatui（Rust TUI 库） \\
分发方式 & 单个 Bun 可执行文件 & 原生二进制 \\
上下文窗口 & 1M tokens & -- \\
\bottomrule
\end{tabular}
\end{table}

作者注意到 Claude Code CLI 偶有小 glitch，但不影响实际编码体验。两者本质上都是围绕底层模型 API 的轻量包装（thin wrapper）。

\begin{knowledgebox}{Anthropic 收购 Bun}
Anthropic 于 2025 年 12 月收购了 JavaScript 运行时 Bun，Claude Code 因此可以打包为单个 Bun 可执行文件分发，简化了安装流程。
\end{knowledgebox}

\subsection{本章小结}

Claude Code 源于内部工具的自然生长，技术栈偏向 TypeScript 生态；Codex CLI 选择了 Rust 以追求性能和可移植性。两者都是模型 API 的轻量封装，产品差异更多体现在模型能力和交互设计上。

\section{使用体验：``高级开发者'' vs.\ ``外包承包商''}

\subsection{交互风格差异}

开发者社区对两者的体验有一个经典比喻：

\begin{importantbox}{体验差异的核心比喻}
\textbf{Claude Code} 像一个在你身边工作的\textbf{高级开发者}——会提问、展示推理过程、解释方案。\\[0.3em]
\textbf{Codex} 像一个你\textbf{外包任务后等待交付的承包商}——首次尝试准确率高，但交互感较弱。
\end{importantbox}

具体表现在：

\begin{itemize}
    \item Claude Code 具有强交互感和深度推理，主动提问并解释思路
    \item Codex 以首次尝试准确率（first-attempt accuracy）著称，但速度稍慢
    \item Claude Code 会主动测试代码、修复环境问题
    \item Codex 倾向于完成实现后让用户自行安装依赖和运行
\end{itemize}

\begin{warningbox}{体验差异会被 AGENTS.md 削弱}
如果你在 \texttt{AGENTS.md} 中明确指定了工作流程（如"实现前先与我确认方案"），两款代理的行为差异会\textbf{显著缩小}。不要过度依赖社交媒体上对差异的夸大描述。
\end{warningbox}

\subsection{市场数据}

\begin{table}[H]
\centering
\caption{市场采用数据（截至 2026 年 3 月）}
\begin{tabular}{lcc}
\toprule
\textbf{指标} & \textbf{Claude Code} & \textbf{Codex} \\
\midrule
VS Code 安装量 & 6.1M & 5.4M \\
VS Code 评分 & 4/5 & 3.5/5 \\
GitHub Stars & 65--72K & $\sim$64K \\
\bottomrule
\end{tabular}
\end{table}

\subsection{本章小结}

Claude Code 的交互感更强，Codex 在直接任务上的首次准确率更高。但通过 \texttt{AGENTS.md} 等配置文件可以大幅拉近两者的行为差异。市场数据显示 Claude Code 在安装量和评分上略占优势。

\section{RAG Pipeline 实验对比}

\subsection{实验设计}

作者设计了一个定量可评估的任务——构建一个针对学术论文的 RAG（Retrieval-Augmented Generation）问答 Pipeline：

\begin{enumerate}
    \item 从 Hugging Face 每日论文中取 5 篇论文
    \item 构建包含 100 个问题和标准答案的测试集
    \item 给两个代理相同的 prompt，要求构建完整 RAG Pipeline
\end{enumerate}

给两个代理的统一要求：
\begin{itemize}
    \item Python 实现，使用 \texttt{PyMuPDF} 处理 PDF
    \item 自选分块策略（chunking strategy）
    \item 自选向量索引方案
    \item 使用 \texttt{llama-3.1-8b-instant} 生成答案
    \item 证据不足时返回 fallback 响应，不得幻觉
\end{itemize}

两个代理均使用最高配模型（Opus 4.6 / GPT-5.3-Codex），High effort 推理强度，无 \texttt{AGENTS.md}。

\subsection{实现方案对比}

\begin{table}[H]
\centering
\caption{RAG Pipeline 实现方案对比}
\begin{tabular}{lp{5cm}p{5cm}}
\toprule
\textbf{维度} & \textbf{Claude Code} & \textbf{Codex} \\
\midrule
Embedding 模型 & all-MiniLM-L6-v2 & all-MiniLM-L6-v2 \\
\addlinespace
Top-K & $k=5$ & $k=5$ \\
\addlinespace
向量存储 & ChromaDB & FAISS（更底层、内存效率更高） \\
\addlinespace
分块策略 & 递归字符分割：\texttt{\textbackslash n\textbackslash n} $\to$ \texttt{\textbackslash n} $\to$ \texttt{.} $\to$ 空格；1000 字符/200 字符重叠 & 句子级词分割，每块 220 词/40 词重叠 \\
\addlinespace
检索度量 & 原始 L2 距离 & 内积（cosine）分数 \\
\addlinespace
置信度机制 & 单阈值（L2 $> 1.2$ 视为不相关）+ 平均距离检查 & 多标准三级机制：strong / moderate / insufficient \\
\addlinespace
代码架构 & 扁平函数式，模块级常量 & OOP Pipeline 类，集中配置，dataclass，argparse CLI \\
\bottomrule
\end{tabular}
\end{table}

\begin{knowledgebox}{工程质量观察}
Codex 的实现在代码架构上明显更优：面向对象设计、集中配置管理、类型标注（dataclass）、CLI 参数解析。在大型或正式项目中，这种工程化差异非常关键。
\end{knowledgebox}

\subsection{行为差异}

\begin{itemize}
    \item \textbf{Claude Code}：自动端到端测试脚本，确保 Pipeline 开箱即用。首次运行无错误。
    \item \textbf{Codex}：完成实现后要求用户手动 \texttt{pip install} 并运行脚本。首次运行报错，经修复后正常。
    \item Codex 解释计划时更加详尽（verbose），Claude Code 更倾向于直接写代码执行命令。
    \item Codex 首个 token 的响应延迟可达 1 分钟，Claude Code 明显更快。
\end{itemize}

\subsection{评测结果}

使用 GPT-5.4 作为 LLM-as-a-Judge，在 Correctness、Completeness、Relevance、Conciseness 四个维度评估：

\begin{table}[H]
\centering
\caption{RAG Pipeline 评测结果（100 个问题）}
\begin{tabular}{lccc}
\toprule
\textbf{结果} & \textbf{Claude Code 胜出} & \textbf{Codex 胜出} & \textbf{平局} \\
\midrule
题数 & 42 & 33 & 25 \\
\bottomrule
\end{tabular}
\end{table}

\begin{importantbox}{Claude Code 胜出的关键因素}
Claude Code 胜出主要归因于：（1）更宽松的置信度阈值，避免了过多 fallback 响应；（2）稍高的生成温度（0.2 vs.\ Codex 的 0.1），增加了回答的丰富度。
\end{importantbox}

\begin{warningbox}{实验局限性}
这是一个简单的单次实验。在专业场景中，分块策略、向量数据库、检索方案等架构决策应由开发者主导，而非完全交给 AI。此实验更适合作为观察两款代理"默认行为"的参考，而非最终结论。
\end{warningbox}

\subsection{本章小结}

在 RAG Pipeline 任务中，两款代理选择了相似的基础方案但在关键细节上各有侧重。Claude Code 在端到端交付和最终评测上略优，Codex 在代码工程质量上更胜一筹。

\section{生态系统与定价}

\subsection{Anthropic 生态的吸引力}

作者认为选择编程代理不仅是选工具，更是选生态：

\begin{itemize}
    \item \textbf{Anthropic 生态}：Claude Chat + Claude Code + Claude Cowork，形成类似 Apple 的闭环体验。Anthropic 还在逐步构建 OpenClaw（主动式个人代理）的安全版本。
    \item \textbf{OpenAI 生态}：除 Codex 外，其他产品对作者吸引力不大。ChatGPT 在 UI、对话风格和模型选择上已落后于 Claude Chat。
\end{itemize}

\subsection{定价方案对比}

\begin{table}[H]
\centering
\caption{定价方案对比}
\begin{tabular}{lcc}
\toprule
\textbf{层级} & \textbf{Claude Code} & \textbf{Codex} \\
\midrule
入门版 & \$20/月 & \$20/月 \\
中间版（Max 5x） & \$100/月 & --- \\
重度使用版 & \$200/月 & \$200/月 \\
\bottomrule
\end{tabular}
\end{table}

\begin{importantbox}{Claude Code 的定价优势}
Claude Code 提供了 \$100/月 的中间层级（Max 5x），对大多数开发者来说已经足够。这避免了从 \$20 直接跳到 \$200 的尴尬，使其\textbf{实际使用成本更低}。
\end{importantbox}

\subsection{Skills 与 Plugins 生态}

\begin{itemize}
    \item Skills 在两个平台间兼容，体验一致
    \item Codex 的 plugin 支持推出较晚，可用插件较少
    \item 社区内容（Reddit、X、博客）以 Claude Code 为主，反映其更大的社区规模
    \item 作者认为大多数开发者并不使用 plugins，这不应成为决策的关键因素
\end{itemize}

\subsection{本章小结}

Anthropic 正在构建一个紧密整合的产品生态，对于已经使用 Claude Chat 的用户吸引力尤其大。Claude Code 的三级定价比 Codex 的两级定价更灵活。Skills 生态基本通用，plugins 差异不大。

\section{总结与延伸}

\subsection{作者的最终选择}

作者选择回归 Claude Code 的两个核心原因：
\begin{enumerate}
    \item \textbf{生态系统}：Anthropic 的 Claude Chat + Code + Cowork 整合体验优于 OpenAI
    \item \textbf{定价灵活性}：\$100/月的中间层级更经济实用
\end{enumerate}

\subsection{关键结论}

\begin{importantbox}{如何选择编程代理}
\begin{enumerate}
    \item 两者都不是"错误的选择"——模型能力接近，都能完成日常编程任务
    \item \textbf{任务类型}比 benchmark 更能决定哪个更适合你
    \item 最可靠的方法：用 \$20/月版本在自己的实际编程领域上测试可量化的任务
    \item AI 工具格局每隔几个月剧变一次，不要把当前选择视为永久决定
\end{enumerate}
\end{importantbox}

\subsection{全文核心对比总览}

\begin{table}[H]
\centering
\caption{Claude Code vs.\ Codex 核心维度总览}
\begin{tabular}{lcc}
\toprule
\textbf{维度} & \textbf{Claude Code} & \textbf{Codex} \\
\midrule
底层模型 & Opus 4.6 & GPT-5.3-Codex \\
长任务可靠性（50\%） & 12 小时 & 5 小时 50 分 \\
Token 效率 & 较低（3--4$\times$） & 较高（基准） \\
执行速度 & 更快 & 较慢 \\
交互风格 & 主动交互、解释推理 & 任务导向、详述计划 \\
端到端交付 & 自动测试、开箱即用 & 需用户手动验证 \\
代码架构质量 & 扁平函数式 & OOP、工程化更强 \\
生态整合 & Chat + Code + Cowork & 相对分散 \\
中间定价 & \$100/月 & 无 \\
VS Code 评分 & 4/5 & 3.5/5 \\
\bottomrule
\end{tabular}
\end{table}

\subsection{拓展阅读}

\begin{itemize}
    \item 原文链接：\href{https://x.com/Hesamation/status/2031418875946958915}{Hesamation -- Claude Code vs.\ Codex: The Definitive Guide}
    \item @GergelyOrosz 对 Claude Code 和 Codex 开发者的访谈（How Codex is Built）
    \item Morph 关于 Opus vs.\ Codex 的 token 经济性研究
    \item Task-Completion Time Horizon 基准测试
\end{itemize}

%% --- 正文内容结束 --- %%

\end{document}