個人環境以 Codex 和 Open Code 為主，同時在工作中使用 Claude Code 的心得感觸總結
你好，我是無能。
感覺好像沒什麼綜合性的總結，所以想隨性地寫一下（盡可能公平地）在使用各種工具後的感想。內容包含很多立場偏見。
話說回來，既然每種工具的用法都不同，真的能進行公平的評估嗎？關於這一點...
各模型感想
Codex
平時主要使用的是 Codex。
在 Bug 修復建議及其實現方式的聰明程度上，它是 OpenAI 的 LLM 模型，而且可能是在強大的基礎設施環境下運行，響應速度很快，不會讓人感到煩躁。由於它能以最小限度的修改完成任務，所以在執行 git diff 時非常易讀，但這一點隨著其他 LLM 模型也變得越來越聰明，感覺也不再是絕對優勢了。
基本上只要把有問題的偵錯日誌交給它，大都能解決，很少會卡住。
個人認為網頁版 ChatGPT 的審查能力非常強大，在個人環境中，我經常在 ChatGPT 的審查和 Codex 之間來回切換。可以直接將腦力激盪的結果反映到程式碼中，最終也減少了無用的提交（commit）。
而且，這不會消耗 Codex 的額度，所以非常推薦將其與網頁版 ChatGPT 併用。
我個人的預測是，為了在 IPO 前拉高估值，他們可能會增加重置機會，但目前與網頁版來回切換時的 Token 消耗完全沒有減少，所以也沒什麼困擾。
我認為它原生基本上無法進行多代理（multi-agent）式的用法，所以在那種情況下，使用其他的編碼代理可能會更好。
Open Code
我會用它來生成臨時用的 bash 腳本、直接調查粗略的日誌，或者在多個儲存庫中套用簡單的 GitHub Actions 等簡單任務或調查類工作。目前主要使用的是仍可免費使用的小米模型 Mimo V2.5，特別是在以多代理方式執行調查任務時，效率非常高。
我也會讓它總結 API 端點的實際回應調查，然後直接在 Codex 側進行實作。因為會被拿去學習，所以在那種情況下的 API Key 我會立即撤銷（Revoke）。
雖然資安意識漏洞百出，但比起為了保護 API Key 而採取迂迴的做法，這總是最簡單直接的。
基本上在主要的編碼工作中不太使用它。
關於額度，似乎是 9 小時制的，但目前為止我只遇過一次達到上限，所以我認為以免費額度來說，它相當充裕。
不過，就編碼而言，目前我使用 Neuralwatt 搭配 GLM-5.2，憑藉其壓倒性的上下文長度，當我交辦一些連 Codex 都找不到的安全性相關調查任務時，它往往能發現問題，因此非常受重用。除了安全性任務外，在編碼方面我也覺得 GLM-5.2 非常實用。我沒用過 Kimi，所以不清楚。
負面部分的話，如果反覆多次啟動和關閉，它會在 /tmp/ 存放大量暫存檔案，等察覺時已經無法啟動了。
Claude Code
整體輸出量很大，會造成資訊淹沒。在初期開發應用程式編碼時可能不錯，但如果要問我想不想在個人開發中使用，感覺有點微妙。有時它會做出超出必要的實作，這點有時會讓人困擾。
安全性調查類的任務，現在因為 Fable 的審查太過嚴重，根本無法使用。
而且，我記得個人方案也是一樣的，它與網頁版聊天的額度是共用的，一旦達到上限無法使用就結束了。不過，我記得商務版的 ChatGPT/Codex 似乎也是分開計算的，所以實質上可能是一樣的。
不過，我喜歡的開發者 xroche 先生使用 Claude 重新開始維護了停更一段時間的 HTTrack，所以這可能純粹是因為我已經習慣了 Codex，才對它有負面印象。
如果還有另一個負面印象，那就是 Anthropic 公司在商業行銷上非常成功，但我有時覺得實際情況與行銷有所落差，這或許是為了在 IPO 前拉高估值而做的，但他們正在進行一些讓人感到疑惑的活動，如下所示：
旨在抑制中國 AI 開發速度的政策活動
旨在阻止中國企業非法使用計算資源的活動
這些活動作為保護美國產業的代言人或許能發揮作用，但對於中國半導體相關的限制，說實話有些令人同情，感覺政治手段拙劣，或者說對其持續性存疑。
而且過去 FTX / Alameda 曾持有其股份，這也讓人感到有些不安。雖然已經因破產而清算完畢，且僅僅是眾多投資對象之一，但還是有一種難以言喻的感覺。
結語
老實說，現在大部分的模型都很優秀，就實作層面而言，只要正確使用，感覺差別並不大，但我還是希望那些只靠 Open Code 苦撐的人能嘗試一下 Codex。
結束。