最近这段时间,AI 编程圈里的气氛挺有意思的,两股情绪几乎同时在社交媒体上发酵:
一边是 Claude 的风控和封号政策越收越紧。网络环境稍微波动、支付方式触碰风控或者多端使用,账号说没就没,申诉通过率也低得可怜,想稳稳当当用上官方 Claude 变得越来越难。但即便如此,社区里依然有不少人带着一种近乎宗教式的狂热,认准了 Claude Opus 5.5 就是编程领域无可争议的天花板,宁可反复折腾防封环境、换号续命,也觉得其他模型都差一口气。
另一边是谷歌最近发布了 Gemini 4 Neon,代码和推理能力确实有了非常明显的跃升,加上大上下文和高性价比的卖点,配合 Google AI Ultra 订阅,最近能看到不少人晒单取消了 ChatGPT Pro,转身投入了 Gemini 的阵营。再加上 OpenAI 刚推完 GPT-6.2 没几天,社区里关于新模型褒贬不一的讨论也很多,一时间颇有种“ChatGPT Pro 要被抛弃了”的既视感。
我自己在工具选择上一直比较实用主义,也提前做过本地上下文迁移的备份(之前写过《未雨绸缪:我写了一个把 Codex 和 ChatGPT 对话迁入 DeepSeek Harness 的插件》),绝不是绑定哪家厂商的死忠粉。但把模型能力、额度成本、客户端体验和真实工程交付放在一起算完总账之后,我现在的结论非常明确:ChatGPT Pro 和 Codex 依然是我的编程主力,短期内也没有退订的打算。
背后的原因并不是什么情怀,而是实打实跑在日常多项目开发里的六个具体体验。
1. 模型交付:从 GPT-6.1 Sol High 到 GPT-6.2 Sol High,偏“理科生”,但写代码很稳
我之前的日常主力模型一直是 GPT-6.1 Sol(High),最近切到了新发布的 GPT-6.2 Sol(High)。
如果客观拿它和 Claude Opus 5.5 对比,在语言表达上,GPT-6.x Sol 确实很明显地偏向“理科生”:说话直来直去,少了很多圆润的铺垫和情绪价值,写长文或日常聊天时,确实不如 Claude 那么讨喜、那么有“人味儿”。
但落到写代码这件事上,我看重的从来不是它说话有多好听,而是严谨性和准确性。
实际用下来,无论是之前的 GPT-6.1 Sol High,还是现在的 GPT-6.2 Sol High,在代码实现、边界条件处理、遵循既有项目规范和定位复杂 Bug 上,严谨度都完全在线。对我来说,判断一个编程模型够不够格当主力,标准很简单:我能不能放心地把一个边界清晰的任务直接交给它,转身去干别的事,回来时拿到符合预期的结果。
在这点上,GPT-6.2 Sol High 的稳定性一直能兜住底。哪怕它在表达上没那么花哨,但交付出来的代码扎实、不糊弄,对我而言就已经值回票价。
2. 订阅额度:ChatGPT Pro 100 美元档,日常多项目维护完全够用
现在 ChatGPT Pro 拆出了不同档位,我用的是 100 美元/月这一档。
网上经常能看到有人吐槽额度不够用,或者觉得为了重度开发非得上更高档位、甚至切去别的平台。坦白说,我不太清楚其他人平时是怎么消耗额度的,但就我自己的真实强度来说,100 美元档的额度非常充足。
我现在手里同时维护着不少项目,既有从零推进的新需求开发,也有持续不断的 Bug 修复、重构和日常维护,而且平时还是按照《从“盯着等”到“等它叫我”:AI 编程的多任务异步范式与飞书手环通知实践》里的多任务异步节奏在跑。即便在这样的日常负载下,100 美元档的 ChatGPT Pro 也完全能够覆盖我的大量任务,很少让我陷入“干到一半额度见底、被迫停工”的焦虑。
工具是要长期稳定运转的。比起每天提心吊胆担心账号突然被风控封禁,一个额度够用、账号稳定、不需要把精力浪费在“养号”上的订阅方案,本身就是巨大的效率优势。
3. 客户端体验:Codex 好用得多,加上手机端远程接管非常顺手
很多人评价 AI 编程时,习惯只盯着模型跑分看,却低估了客户端形态在高频使用里的权重。你每天花几个小时面对的不是论文里的基准测试分数,而是实实在在的交互界面和项目管理体验。
拿 Codex 客户端和 Claude 的客户端横向对比,我的主观体感非常直接:Codex 客户端用起来顺手得多。
最直观的差异体现在多项目管理上。当你手里不止一个仓库,需要在不同项目、不同任务线程甚至不同工作目录之间来回切换时,Codex 的组织方式更清晰,切上下文、看改动、管任务都不累赘,整体非常契合真实开发者的工作习惯。
更关键的一点是它和手机端远程工作的结合。把桌面端的 Codex 环境和手机端联动起来之后,很多事情不再非得坐在电脑前才能推进:
- 人不在工位时,随时在手机上看任务跑到了哪一步、产出是否跑偏;
- 任务中途遇到需要确认权限或做方向拍板时,在手机上点一下就能放行,不用让后台白白卡住;
- 甚至临时想到一个明确的改动点或排查任务,直接从手机上派发出去,等回到电脑前代码和验证结果已经准备好了。
这套“桌面端多项目管理 + 手机端随时远程接管”的组合,已经足够支撑在手机上推进相当多真实任务,也是我很难轻易离开 Codex 生态的重要原因。
4. 超出纯代码边界:Computer Use 是真能解决实际问题的能力
很多编程 Agent 的能力边界止步于命令行和代码文件——只要涉及写代码、跑单测、改配置,它们表现都很出色;可一旦工作流跨出终端,需要去操作带图形界面的工具、点选复杂的控制台,就又得人自己上阵。
Codex 里的 Computer Use 功能让我非常惊喜的一点在于,它不是那种只适合录宣传片的演示玩具,而是真的能落地干活。
它可以直接操作复杂的桌面工具和界面流程。对我来说特别实用的一个场景,是处理那些我本身不太熟悉的后台部署流程或第三方平台配置——以前碰到这种活,往往要一边翻文档、一边在层层嵌套的后台页面里找入口,生怕点错一个开关;现在把目标和约束讲清楚,交给 Codex 配合 Computer Use 一步步看界面、填配置、核对状态,最后一样能稳稳达成目标。
当编程助手不再局限于“只动文本文件”,而是能顺手把围绕软件交付的周边操作也一并打通时,整条工作链路的断层就被接上了。
5. 难以替代的差异化:在写代码的过程中直接生图
还有一个在纯代码基准测试里完全体现不出来,但在实际开发里几乎很难被其他工具替代的能力:Codex 可以直接在写代码的过程里调用生图功能。
平时做纯后端服务时,你可能感受不到它的威力;但只要你做过前端视觉、独立小应用,尤其是游戏类型的开发,就会立刻明白这件事有多香。
过去开发带美术资源的应用或游戏,写代码和做素材是完全割裂的两条线:写到一半缺个图标、缺张背景、缺套贴图或角色素材,你得切出去找图、切到别的生图工具反复抽卡,再手动裁切尺寸、转格式、重命名、放进资源目录,最后再回代码里把路径接上。
而在 Codex 的工作流里,这一整步被直接压平了:它可以根据当前项目的实际需求,直接生成对应的素材并落到正确目录里;哪怕面对特定尺寸、特定类型、特定风格或用途这类比较刁钻的需求,也能顺着上下文直接把素材做出来、改到位、接进代码里跑起来。
对于个人开发者或小团队来说,这种“代码 + 素材”在同一条流水线里闭环完成的能力,省掉的不只是切工具的时间,而是直接打通了从想法到可玩原型的最后一堵墙。目前来看,这项体验在同类编程工具里确实很难找到平替。

6. 比“换模型”更本质的事:体验差距,往往出在使用方式而不是模型本身
最后也是我感触最深的一点。
每次新模型发布,评论区都会出现极度分裂的评价:同样是 GPT-6.2 Sol,同样是 Opus 5.5,同样是 Gemini 4 Neon,有人觉得稳得像资深工程师,有人却觉得“降智”“听不懂人话”“越改越乱”。
同一个模型,为什么不同人的体感能差出这么多?绝大多数时候,决定差异的不是模型本身,而是使用方式。
用 AI 真正做项目开发,绝对不是“氛围编程(Vibe Coding)”或者“许愿式编程”那么简单——随便甩一句笼统的想法,就指望模型像读心术一样替你把一切想周全。真正想让 AI 稳定产出能上线的代码,至少要先把三件事握在自己手里:
- 需求必须明确:动手之前先把目标、边界和约束条件说清楚,而不是把还没想透的模糊念头丢给模型去猜;
- 对项目本身有清晰的认知:你得清楚当前项目使用的架构、目录与模块结构、现有方案的局限,以及各个模块之间的相互依赖关系。只有开发者自己心里有这张全局地图,才能做出合理的任务拆解和工作安排,知道哪块能放心交给 AI 并行推进、哪块需要收紧改动范围;
- 完成后的验收测试要有系统化安排:代码写完并不等于任务结束。把验收标准前置并落成可执行的校验链路——一个合理明确的需求,加上一套严谨的测试与验收方案,两者配合起来,模型执行出来的东西才不会跑偏,也才能真正稳定地达到预期结果。

AI 能力走到今天,第一梯队模型之间的差距早就不是“一个能用、另一个完全不能用”的鸿沟,而更多是性格、偏好和配套生态的取舍。很多人在 AI 编程里反复踩坑,下意识就会归咎于“这模型不行,得换另一个”,但拆开看就会发现,真正卡住的往往是软件工程本身的问题:
| 常见的“怪模型”现象 | 背后真正的工程问题 | 更有效的解决方式 |
|---|---|---|
| 改一个需求,顺手把别的功能改坏 | 对模块间关系和局限缺乏梳理,缺少回归测试保护 | 理清架构边界与依赖关系,补齐系统化的测试与构建校验 |
| 模型理解跑偏,反复返工 | 停留在“许愿式编程”,需求含糊、指望模型自行揣摩意图 | 动手前把需求、约束、非目标和验收标准写实 |
| 对话越长越混乱,开始原地打转 | 把多个不相关问题塞进同一个超长上下文 | 按模块与任务切分独立会话和 worktree,保持上下文干净 |
| 长任务跑偏半小时才发现 | 任务安排过粗,缺少中间检查点与测试反馈闭环 | 结合项目结构合理拆解任务,配齐严谨的测试方案逐段验证 |
说到底,模型再强,也不该替开发者承担“明确需求、吃透项目架构、设计系统化验收测试”的责任。很多在 AI 编程里碰到的问题,本来就应该用软件工程的方法去解决,而不是寄希望于换一个更“聪明”的模型,去凭空揣摩你脑子里没说出口的想法。
如果你只是靠氛围编程碰运气,没有清晰的需求定义、对项目结构与局限的把握,也没有配套的测试验收闭环,就算明天换上跑分更高的模型,过两天大概率还是会碰到一模一样的挫败感;反过来,只要这套工程底座立住了,像 GPT-6.2 Sol High 这样严谨度过关的模型,就能持续给出非常稳定的正反馈。
写在最后
写这篇文章,并不是为了贬低 Claude Opus 5.5,也不是否认 Gemini 4 Neon 的进步。
Claude 在语义理解和复杂代码推理上确实有它的独到之处,Gemini 4 Neon 这一波提速提质更是好事——几家头部厂商卷得越厉害,受益的终究是我们这些天天写代码的人。我平时也会持续关注新模型的演进,并且用本地化方案把自己的上下文资产留好退路,绝不把鸡蛋全押在单一信仰上。
只是站在 2026 年底这个时间点,抛开社交媒体上的站队情绪和“宗教式吹捧”,回归到每天真实要交付的代码和项目来看:GPT-6.2 Sol High 的代码严谨度、100 美元 Pro 档充足的额度、顺手的 Codex 客户端与手机端远程协同、能落地干活的 Computer Use,再加上写代码时直接生图的独特能力,这套组合依然是我手里最均衡、最省心、最可靠的生产力主力。
与其跟着每一轮热搜来回退订、迁徙、寻找传说中的“唯一真神”,不如挑一套自己用着最顺手且足够稳定的主力栈,把更多精力放回软件工程本身。工具决定下限,工程方法才决定上限。
正在加载评论…