最近两个月我把主力开发工具从 Claude Code 换成 Codex。主要原因是 Computer Use 对桌面自动化有帮助我也在同步推进几个项目。实际用下来用量和结果都给了我压力。我订阅的是每月 200 美元那档这一周两次用量重置仍不够。我把调研拆到 ChatGPT 网页版再让 Codex 做实施但产出还是没有达到预期。一个具体任务来自旅行导览 App。我想解决规划大旅行时外部信息过载的问题把需要查看的内容做得更有结构减轻查资料的心智压力。这要求我采集原始资料、整理再重写成能用的内容。在这项资料工作上我试了 Codex 的 Sol 和 Astra结果都不够稳定。换回 Claude Code 后两个来回就通过了。Opus 5.5 在这个具体项目上的表现让我重新评估工具选择。这不是一份模型基准测试也没有代码或量化指标可以外推到所有开发任务。对我更直接的提醒是把模型放进自己正在做的任务里验证。深夜一点等一份跑了很久却不能用的结果时工具之间的差别会非常实际。