Opus 4.6 vs Codex 5.3：别吵了，按场景选

今天这波发布，像两家大厂在同一条走廊里迎面走来：谁也不让，谁也不铺垫，直接把“王炸”拍桌上。

20 分钟内，Claude Opus 4.6 和 GPT-5.3 Codex 先后亮相。社区当场分裂：一边喊“AI 春晚”，一边开始掏计算器算订阅费。

别急着站队。看完下面这套“对照表 + 适用场景”，纠结会少一大半。

先把“缺点”说清楚：为什么会纠结

纠结的根源不是两家都强（强是前提），而是强在不同地方：

有的模型像“高智商但情绪不稳定的总监”：灵感上天，偶尔也能把你带沟里。
有的模型像“执行力拉满的工程队长”：交付稳、速度快，但遇到模糊需求会问得多。

这篇只干一件事：把差异从“听感”变成“可选项”。

1）Claude Opus 4.6：深思熟虑的全能型（偏复杂任务）

1.1 上下文 100 万 Token：长文档党狂喜

Opus 4.6 把上下文窗口从 200K 直接拉到 100 万 Token。

这意味着：

一整本书
几百页财报
一堆合同/法律文件

可以“一口气灌进去”，不用边喂边祈祷它别失忆。

长上下文常见的坑叫“上下文腐烂”：喂得越多，注意力越散，前后矛盾越多。

Opus 4.6 在 MRCR v2（大海捞针类长上下文测试）上给了一个很离谱的提升：

76%（Opus 4.6）
18.5%（前代）

这不是优化，是换引擎。

1.2 Agent Teams + Adaptive Thinking：多代理协作更像“真团队”

Opus 4.6 的 Agent Teams 可以理解成：

多个代理分工
各自独立上下文
还能互相通信

配合 Adaptive Thinking（自适应思考深度）：

难题就深想
简单事就快走

效果像把“拍脑袋的长文推理”变成“有人负责规划、有人负责核对、有人负责写交付”。

1.3 推理与知识工作：数据很硬

几个关键指标：

ARC-AGI 2：68.8%（流体智力类）
GDPval-AA：1606 Elo（金融/法律等知识工作评估）
BigLaw Bench：90.2%（法律推理专项）

一句话：复杂、开放、需要“想清楚再下笔”的活，Opus 更像“能带路的脑子”。

2）GPT-5.3 Codex：快、稳、准的编程执行机（偏落地执行）

2.1 Terminal-Bench 2.0：终端编程优势很直观

Terminal-Bench 2.0（终端环境编程能力）上：

77.3%（GPT-5.3 Codex）
65.4%（Opus 4.6）

优势接近 12 个百分点。

再加两条工程党会更在意的：

速度比前代快 25%
同任务 Token 消耗不到之前一半

又快又省，还不太掉链子。

2.2 “参与造自己”：递归改进的信号

OpenAI 这次披露了一件更刺激的事：

GPT-5.3-Codex 的早期版本参与了自身开发流程：调试训练、管理部署、诊断测试。

严格说这还停留在“工程层面的递归改进”，但它确实是一个信号：

代理不再只是写代码
代理开始“参与造工具链”

这类变化属于：不一定立刻改变日常，但会改变行业预期。

2.3 OSWorld：从写代码走向“会用电脑”

OSWorld（模拟真实桌面操作）上：

64.7%（Codex 5.3）
38.2%（前代）

分数接近翻倍。

一句话：Codex 的野心不止写代码，它想当“能在电脑上干活的代理”。

3）硬碰硬：关键数据一览（看表最省命）

基准测试	Claude Opus 4.6	GPT-5.3 Codex	领先者
Terminal-Bench 2.0（终端编程）	65.4%	77.3%	GPT-5.3 Codex
SWE-Bench Pro（真实软件工程）	80.8%	56.8%	Claude Opus 4.6
OSWorld（计算机操作）	72.7%	64.7%	Claude Opus 4.6
GDPval-AA（知识工作）	1606 Elo	70.9%（胜率）	Claude Opus 4.6
ARC-AGI 2（流体智力）	68.8%	未公布	Claude Opus 4.6

表面结论很清楚：

Codex 在“终端编程”更强
Opus 在“复杂软件工程/计算机操作/知识工作/推理”更强

但别只看跑分。

4）跑分之外：复杂任务的差距更真实

Every.to 做了一个内部基准 LFG（从着陆页到完整电商网站的渐进式复杂任务）：

Opus 4.6：9.25/10
Codex 5.3：7.5/10

关键发现：

简单任务两者都好
任务越复杂，差距越明显

例如做一个包含 11 个功能的完整电商网站：

Opus 交付了全功能 + 完整结账流程
Codex 做出了漂亮设计，但漏掉了整个结账模块

一句话：复杂任务里，“交付完整性”比“局部漂亮”更重要。

5）大量用户反馈的共同结论：形成了默认分工

从社区讨论里能看到一种“默认工作流”正在成型：

Opus 更适合做架构设计与规划：把模糊目标收敛成可执行方案
Codex 更适合做具体实现与执行：按明确指令快速交付

这不是站队，这是分工。

6）到底怎么选：按场景，不按情绪

Every.to 的总结很贴切：

Opus：高上限、高方差
Codex：低上限、低方差

翻译成可操作的选择规则：

选 Claude Opus 4.6，如果主要是这些事

超长文档分析（合同/财报/论文/法条）
复杂逻辑推理（规则多、约束多、边界多）
金融/法律等专业知识工作
多代理协同（规划/审查/写作/核对拆分）
需求模糊但必须产出方案（需要“自己去探索并收敛”）

选 GPT-5.3 Codex，如果主要是这些事

高强度编程执行（终端任务、脚手架、改造、批量重构）
指令明确、追求速度与稳定
网络安全分析/脚本化任务
需要“少犯低级错”的代码工作马

7）更大的趋势：两家都在奔着同一个终点

Every.to 把它叫“伟大的趋同”（The Great Convergence）。

说白了：

一个优秀编码代理需要规划、工具使用、并行执行、知道何时深想何时交付
一个优秀知识工作代理也需要同一套能力

所以两家在不同入口发力，但目标是同一个：通用 AI 代理。

最短决策路径

任务模糊、复杂、长文档、多约束 → 先 Opus
任务明确、要快、要稳、要落地 → 先 Codex
日常工作最省心的组合：Opus 做规划，Codex 做执行

今天能用的 AI，比昨天又强了一大截。纠结可以有，但别纠结太久：该干活还是得干活。

#Claude #OpenAI #Codex #大模型对比 #AI编程 #Agent #开发者工具