Cherrling 的内容归档😋

Appearance

Claude Code 与 Codex 对比 ​

摘要 ​

同一 DeepSeek v4.1 flasg Max 模型接入 Claude Code 与 Codex 。

实验使用相同的 prompt，让两者分别修改一个中等规模 Go 项目中的一个已知问题。

Codex 使用两轮完成，累计执行时间 45 分 13 秒，含缓存总 Token 为 119,401,187。Claude Code 使用四轮，累计 69 分 50 秒，含缓存总 Token 为 256,457,678。

主要差异来自工具调用次数和返修轮次。Claude 与 Codex 每个工具调用对应的缓存读取分别约为 29.5 万和 29.9 万 Token。

本次任务中，Codex 在首轮进入实现速度、返修效率、总成本、最终代码规模和原生透传性能方面占优；Claude Code 在操作可审计性、显式任务状态、测试规模和原生凭证指纹安全性方面更强。

1. 实验设置 ​

维度Claude CodeCodex
客户端2.1.3080.166.0
协议Anthropic Messages 风格Responses 风格
模型配置max，adaptive thinkingmax
后续反馈3 轮1 轮

Token 统计规则：

  • Claude 按 requestRef 去重，input 与 cache read 分开。
  • Codex 使用轮末累计 usage 减去轮前基线。
  • Responses input 扣除 cached input 后作为非缓存输入。
  • Codex Guardian 单列统计，并计入最终总成本。

2. 核心数据 ​

指标Claude CodeCodex
轮次42
总执行时间69:5045:13
模型请求722307
工具调用865397
非缓存输入744,228632,725
缓存读取255,107,840118,535,040
输出 Token605,610233,422
含缓存总 Token256,457,678119,401,187

扣除全部缓存后，Claude 的“非缓存输入 + 输出”仍比 Codex 多约 56%。

Claude 总缓存读取更高，但归一化到单次工具调用后，两边成本接近：

每工具调用平均ClaudeCodex
非缓存输入8601,518
缓存读取294,922298,527
输出700588

原始工具输出总量约为 1.00 MiB 和 1.03 MiB，差异不大。Claude 将相近规模的工作拆成了约两倍的模型—工具循环。

3. 时间轨迹 ​

首轮里程碑ClaudeCodex
第一次编辑18.7 分钟2.5 分钟
第一次测试26.4 分钟5.3 分钟
首轮结束40.7 分钟28.2 分钟

Claude 首次编辑前执行了 58 次模型请求和 87 次工具调用，产生 275,618 输出 Token。Codex 首次 patch 前执行 11 次模型请求和 46 次 shell 检查。

Claude system prompt 要求使用 TaskCreate 管理计划，但该工具属于 deferred tools。Claude 在任务开始约 17.9 分钟后才加载 TaskCreate/TaskUpdate，创建四个任务，并在约 48 秒后开始第一次修改。

4. Prompt 与工具设计 ​

4.1 Claude Code ​

初始上下文包括：

  • 27,392 字符 system prompt
  • 13 个立即加载工具，约 47,968 字符 schema
  • 23 个 deferred tools
  • CLAUDE.md、环境、Git 状态和 Token 提醒

核心约束是优先使用 Read/Edit/Write、精确局部编辑、显式任务规划、细粒度权限和简短进度更新。

该设计提高操作可读性和可审计性，但工具粒度较细。

实际工具分布：

text
Bash       485
Edit       231
Read       103
Task*       27
Write       18

Claude 共读取 21 个唯一文件，但发生 82 次重复读取。handler/relay.go 被读取 59 次；Edit 因字符串不匹配或无变化失败 10 次。

4.2 Codex ​

Codex 使用分层上下文：

  • 17,730 字符 base instructions
  • 约 18,000 字符 developer instructions
  • 12,174 字符 AGENTS/CLAUDE 项目说明
  • 首轮 33 个 skill 条目，第二轮增至 49 个

核心策略是持续执行、先提供 commentary、搜索优先 rg、尽量并行、文件修改统一使用 apply_patch。

实际工具分布：

text
exec_command  289
apply_patch    91
write_stdin    16
get_goal        1

一个 shell 调用可组合搜索、过滤、多文件查看；write_stdin 可继续长测试 session；apply_patch 可一次处理多个文件和 hunk。

Codex 的工具输出量接近 Claude，但模型—工具往返不到其一半。

4.3 设计差异 ​

设计点Claude CodeCodex
文件读取专用 Readshell + rg/sed
文件编辑精确 Edit/Writefreeform apply_patch
计划TaskCreate/TaskUpdatereasoning + commentary
长进程background taskpersistent shell + write_stdin
风险控制permission mode + classifiersandbox + Guardian
子 agentAgent/Workflow，Workflow 需 opt-in默认 explicitRequestOnly

5. 行为影响 ​

工具调用数直接放大缓存读取。每次工具结果返回后，模型都需要重新推理并读取上下文：

text
总缓存读取 ≈ 单次上下文 × 模型—工具往返次数

Claude 的细粒度工具提高可审查性，同时增加循环次数；Codex 的批处理提高吞吐，但单次 action 更重，对 sandbox 和事后复核依赖更高。

Claude 的显式 Task 状态适合长流程，但本次核心 Task 工具加载较晚，并持续产生任务提醒。Codex 的计划更轻，没有持久待办状态，但进入实现更快。

工具结果结构也会影响恢复效率。Codex shell 输出始终包含 wall time 和退出码；Claude Bash 主要依赖 stdout/stderr 和 is_error，本次存在实际报错写入 stdout 但 is_error=false 的情况。

6. 首轮质量与返修 ​

Claude 首轮后的返修覆盖原生字段被提前解析、历史授权、凭证绑定、状态槽泄漏、TPM 退款、候选遍历和指纹覆盖等问题。

Codex 首轮后只修复两项：原生路径提前构建 Chat，以及原生 GET 未纳入并发预算。

两边最终均通过共同回归。Claude 后三轮分别耗时 11、15、3 分钟，总成本较高主要来自首轮遗漏导致的三轮额外反馈。

7. 最终交付 ​

指标Claude finalCodex final
文件数4228
总新增2,9732,028
生产 Go 新增1,287940
测试新增1,586971
数据库迁移21
原生 GET明确不支持代理回原上游

两边均实现自动路由、store=true 原生透传、强制 Chat 开关、历史绑定、跨实例同步、过期处理和在线迁移。

Codex 代码和迁移更少，但多实现原生 GET 和读取并发预算。

1 MiB 原生分类基准：

text
Claude    1.76 ms/op，1.06 MiB/op
Codex     1.37 ms/op，7.4 KiB/op

Claude 使用带随机盐的 credential HMAC，Codex 使用普通 SHA-256 fingerprint。Claude 对数据库泄漏场景更稳健，但部署密钥轮换会使旧绑定失效。

萌ICP备20252233号