Codex 與 Claude Code 都是 AI coding agent,兩者都能用於本機互動與雲端委派。比較時要分開看執行位置、審查時機、專案權限及訂閱額度,不能直接把產品分成「Codex 只在雲端、Claude Code 只在本機」。
TL;DR:Codex CLI 可在本機專案讀檔、改檔與執行指令,也可委派雲端任務;Claude Code 也提供雲端工作階段,可在關閉筆電後繼續執行。先選適合專案的執行環境,再比較權限、審查流程與成本。下方 2026 年 6 月的 benchmark 僅供歷史參考,不能用來證明兩個產品各自只能採用某一種工作模式。
先分清楚:本機互動與雲端委派
「本機或雲端」與「當場互動或晚點驗收」是工作模式,並非兩個產品的固定分界。本機模式便於使用現有環境與逐步檢查;雲端模式適合把範圍清楚的任務交出去,再回來審查結果。這裡沒有誰強誰弱的問題,要先確認專案依賴、權限與驗收方式。下圖呈現兩種工作節奏的例子,不代表 Codex 與 Claude Code 各自只能採用其中一種。

先選工作模式,再比較入口、計價與專案指令檔,才能把功能對應到手上的任務。
Codex 跟 Claude Code 差別在哪?
Codex CLI 可以在本機專案中互動執行,也提供非互動式命令與雲端委派入口。Claude Code 除了本機終端機,也有雲端工作階段,可從瀏覽器、手機、Desktop 或終端機操作。實際選擇要看程式碼能否送到雲端、所需開發環境是否齊備,以及你要逐步確認還是集中審 diff;功能範圍請核對 Codex CLI 文件與 Claude Code 雲端文件。
為什麼這篇可信:這個網站本身就是用 Claude Code 跑出來的
先說一件多數比較文不會交代的事:你正在看的這個網站(seo.whoops.com.tw),本身就是一套用 Claude Code 維運、把 SEO 交給 Claude 的真實生產線。repo 裡有 38 個 Node 工具、4 個嵌入式 web 工具,從關鍵字分析、撰稿、配圖到 WordPress 發布幾乎全自動化,這篇文章就是在這條產線裡產出來的。我們不只轉述國外的測試榜,更是每天實際用這些工具撐起一個網站。
更有說服力的是我們部署在 Cloudflare 的「AEO 觀測層」Worker。它如實記錄 AI 爬蟲的需求:截至 2026-06-25 的 14 天窗口,本站累計收到 10,946 次 AI 爬蟲請求,其中 ClaudeBot 4,263 次、ChatGPT-User 2,058 次、OAI-SearchBot 927 次、PerplexityBot 607 次、GPTBot 573 次。這不是誰跑得比較快的 benchmark,而是 Claude 與 Codex 背後的引擎「確實有來抓我們」的觀測證據,兩個生態的爬蟲都在這裡活躍。
這個專案也同時放了兩種記憶檔:CLAUDE.md 管整條內容產線(WordPress REST、Rank Math、Cloudflare 部署的鐵則都寫在裡面),AGENTS.md 目前聚焦在精選圖產製 SOP。兩者的分層與用途,正好對應下文要講的差別,不是紙上談兵,而是這個網站天天在用的設定。
六個維度總覽:一張表看懂兩者差在哪
| 維度 | Codex(OpenAI) | Claude Code(Anthropic) |
|---|---|---|
| 執行環境 | 可在本機專案執行,也可委派雲端任務 | 可在本機執行,也提供雲端工作階段 |
| 主要入口 | Codex app、CLI、IDE、Web/雲端、GitHub code review | CLI、VS Code、JetBrains、Desktop、Web、GitHub Actions、API(5 種作業系統) |
| 任務模式 | 本機互動、非互動命令與雲端任務,依入口選擇 | Agent Loop 互動式工作,也可委派雲端任務 |
| 專案記憶檔 | AGENTS.md | CLAUDE.md(Managed Policy/Project/User/Local 四層) |
| 進階生態 | Skills、Automations、MCP、Subagent | Skills、MCP、Subagents、Hooks |
| 基準測試(2026-06) | Terminal-Bench 2.0 領先(終端機實操快) | SWE-bench Pro 領先(難題推理強) |
| GitHub 採用 | openai/codex 約 9.3 萬 stars | anthropics/claude-code 約 13.4 萬 stars |
| 計價 | 隨 ChatGPT 方案(Free/Go 約 US$8/Plus 約 US$20/Pro from US$100/Business 用量計費/Enterprise 洽官方) | Claude 訂閱(Pro 約 US$17–20/Max 5x 約 US$100/Max 20x 約 US$200,以官方定價頁為準) |
表中 GitHub stars 與基準測試數字截至 2026 年 6 月,金額皆以官方定價頁為準,方案內容會隨地區與促銷調整;實際結帳金額以帳號內顯示為準。

客觀效能比較:SWE-bench 怎麼看
講了半天「定位不同」,很多人還是想問:到底哪個寫程式比較強?這裡直接上數字,但先說結論:換一個測試集,贏家就翻盤。沒有單一分數能告訴你答案,這正是所謂的「Benchmark Trap」。
| 測試集 | Claude Opus 4.8 | GPT-5.5(Codex) | 誰領先 |
|---|---|---|---|
| SWE-bench Pro(較難的真實修 bug) | 69.2% | 58.6% | Claude |
| Terminal-Bench 2.0(終端機實操) | 74.6% | 82.7% | GPT-5.5 |
| SWE-bench Verified(官方榜,非最新版) | Opus 4.6:75.6% | GPT-5-2 Codex:72.8% | 接近 |
這張表列的是不同版本模型在不同測試集的歷史成績。它不能單獨證明哪個產品比較適合你的專案,也不能拿來推論本機與雲端的固定分工。比較前要核對模型版本、測試環境與代理設定,再用同一件實際任務觀察修改品質、耗時與用量。
上方 SWE-bench Pro 與 Terminal-Bench 2.0 數字引自 DataCamp 的 Opus 4.8 vs GPT-5.5 比較(2026-06),Verified 榜見 SWE-bench 官方排行榜;第三方交叉可再參考 Vals AI leaderboard。不同榜版本(如 Terminal-Bench 2.0 與 2.1)數字會略有差異,引用時建議註明版本與日期。
實際選型可用同一個 bug、測試補寫或重構任務試跑,保留相同的權限、測試與驗收條件,再比較結果。這比把單一 benchmark 的領先直接套用到所有開發工作更有參考價值。
什麼情況該選 Codex
當一件工作可以被清楚寫成任務單、你願意晚一點再審 diff,Codex 的雲端非同步模式會幫你把時間省下來。它的強項是把「可以排隊」的批量工作丟出去,自己繼續做別的事。
以影片頁觀賞:Intro to Codex (April 09, 2026)

- 一次修好幾個獨立的小 bug,各自開任務、回來逐一審改動。
- 補測試、跑 code review、整理文件這類範圍明確的維護工作。
- 想同時開多個任務並行處理,讓代理人各自在雲端跑。
- 團隊想在 GitHub PR 流程裡加入自動審查與建議。
已經在用 ChatGPT 訂閱的人,直接在方案裡就能用 Codex,不必再額外付費(確切額度與方案綁定,以官方說明為準)。在 Terminal-Bench 這類終端機實操測試上,GPT-5.5 也是目前領先的一方,適合需要大量命令列操作的工作。OpenAI 這條路線後來也持續往前走,新一代的 GPT-6 Astra 更把代理任務延伸到操作電腦、文件、試算表與簡報,以及長時間的程式工作。要看「AI 自己操作電腦」這件事還能走多遠,會自己用電腦的 Grok Bot是另一個值得對照的例子。
什麼情況該選 Claude Code
當一件工作需要你當場判斷、邊讀邊改,Claude Code 的本機互動模式更順手。它在你的終端機裡即時讀取專案、提出計畫、執行修改,你每一步都能介入或否決。

- 架構討論與技術選型,需要來回探索、反覆調整方向。
- 除錯 session,要看著它讀錯誤、追程式碼、逐步收斂問題。
- 跨多個檔案的重構,需要即時看到 diff 並當場決定保留或退回。
- 想用 CLAUDE.md 把專案慣例、禁用語法、測試指令寫進記憶,讓它長期遵守。
Claude Code 的 CLAUDE.md 分層機制(組織層 Managed Policy、專案層 Project、使用者層 User、本地層 Local)讓團隊能把資安底線集中管控,同時保留個人與專案的彈性,這對企業導入是實質優勢。詳細的安裝、指令與進階用法,可以參考 Claude Code 完整教學;想看 CLAUDE.md 四層結構的撰寫公式與可直接複製範本,則見〈CLAUDE.md 完整教學與範本〉。如果選型還看重介面與行為的客製化,Claude Code Mods 的客製化能力也可納入比較:它能在 Claude Code 內處理事件並繪製介面。
兩者並用的分工範例
兩者可以並用,但沒有必要先假定哪一個只負責探索、哪一個只負責批量修改。以下是一種可採用的分工範例;也可以在同一個產品內切換本機與雲端模式。

- 把可排隊的批量工作(bug 修復、測試補寫、code review)交給 Codex 的雲端任務。
- 把要當場判斷的探索(架構討論、除錯 session)留給 Claude Code 的互動模式。
- 兩者都支援 MCP 串接外部服務,能在各自的生態裡連接你既有的工具鏈。
想深入了解 Codex 本身的安裝、費用與操作,再看 OpenAI Codex 完整教學;想把 Claude 用在桌面端長期工作,則可以看 Claude Desktop 教學。終端機代理的選項這一年還在增加,Meta 推出的 Muse Code是 2026 年 8 月報到的一家。
桌面版與手機遠端控制:非工程師的入口差別
如果不想從終端機開始,可先比較兩者的圖形介面,以及工作實際在哪裡執行。手機遠端查看本機工作階段,和在雲端執行任務是不同能力;不能把有手機入口當成一律在雲端執行。Claude Code 官方文件已列出瀏覽器、手機、Desktop 與終端機的雲端入口,也說明本機工作階段的 Remote Control,因此不宜再說 Claude Code 的手機操作主要靠第三方方案。
選入口前,先確認它能否存取你的專案、使用必要工具、顯示 diff,並讓你核准敏感操作。兩者都有圖形介面入口;哪一種更順手,應在自己的電腦與專案上驗證。
計價與方案:誰比較貴
兩者都不賣斷、都是訂閱或用量制,比較基準不一樣。Codex 綁在 ChatGPT 方案裡,你本來就有 ChatGPT 訂閱就能用;Claude Code 綁在 Claude 訂閱裡,從 Pro 起就能驅動。若要精算自己的用量成本、Pro/Max/API 損益平衡與團隊人均費用,見〈Claude Code 費用與方案選擇〉。

- 已經付 ChatGPT Plus(約 US$20/月)的人,Codex 多半不用再額外付費,額度隨方案分配。
- 已經付 Claude Pro(約 US$17–20/月)的人,Claude Code 可用,重度使用者可考慮 Max 5x(約 US$100)或 Max 20x(約 US$200)。
- 兩者都有 API 用量計費路線,給不想訂閱、只想在 CI/CD 裡呼叫的人。
若走 API 計費,單價其實接近:截至 2026 年 6 月,Opus 4.8 約 US$5 input/US$25 output(每百萬 token),GPT-5.5 約 US$5/US$30(Anthropic、OpenAI 官方定價)。2026 年 9 月 22 日發布的 Claude Opus 5.5 再把 API 定價壓到輸入 US$4、輸出 US$20(每百萬 token),典型負載成本比 Opus 5 低約 40%,中階的 Sonnet 5.5 則是 US$2/US$10。光看單字 Claude 反而略便宜,但真正的成本差別在「總用量」:Claude Code 互動式長 session 容易不知不覺燒掉較多 token,社群觀察到 Claude Code 的總 token 用量可能明顯偏高,不過這取決於你的用法與 session 長度,並非定值。要抓成本,建議先實跑一兩週再看帳號內的實際額度消耗。
所有金額皆以官方定價頁為準,會隨地區與時間調整。要評估導入成本,建議直接登入各自的方案頁看當下價格,第三方文章的換算數字只能當參考。
三個常見迷思,先釐清
迷思一:Claude Code 就是把 Claude 搬進終端機。不是。它的價值在多步驟、跨檔案的 agent 能力:能讀懂整個專案、自己跑指令、查 diff、按計畫執行,不是一問一答的聊天介面。
迷思二:Codex 只能派任務、晚點驗收。Codex 是程式代理工具;除了委派雲端任務,也能在本機專案裡互動讀檔、改檔與執行指令。應依專案環境與審查方式選模式。
迷思三:選了一個就不能用另一個。兩者帳號體系不同、各跑各的,並不衝突。按任務性質分工,反而比死守一個工具更有效率。
決策清單:三十秒選出適合你的
下圖保留一種產品分工範例;兩者都可互動或委派,實際選型仍依下方條件試跑。

- 這件工作能寫成清楚的任務單、可以晚點再看結果嗎?可先考慮雲端委派,再按帳號、專案權限與實際試跑結果選擇 Codex 或 Claude Code。
- 這件工作需要你當場看著它讀程式碼、即時調整方向嗎?可先考慮本機互動,再確認兩個產品的入口、工具與權限是否符合需求。
- 你已經在付哪一邊的訂閱?從已經付的那邊開始,成本最低。
Codex 還是 Claude Code,哪個適合我?
先列出專案所需的環境、權限、測試與審查方式,再挑能滿足需求的入口。本機即時互動與雲端委派都可納入試用,不必先綁定某一個產品。可從你已經在付費的那一邊開始,用同一件小任務比較另一個工具,再決定是否並用。
把 AI 工具放進整體工作流來看,它們也跟 AI 搜尋、內容產製息息相關。這部分可以再延伸看 AEO 是什麼、GEO 是什麼、llms.txt 指南,以及 AI SEO 的整體策略。
同步 vs 非同步:用一個下午看懂差別
「同步」與「非同步」聽起來抽象,換成實際工作場景就清楚。假設你這個下午要處理三件事:修一個已知的小 bug、重構一個看不懂的舊模組、為新功能補文件。
以 Claude Code 的本機互動模式為例:你在終端機裡開啟專案,先針對舊模組問「這段程式碼在做什麼」,看它讀檔、整理呼叫關係,再決定要不要動手改。遇到 bug,貼上錯誤訊息,確認計畫後讓它修。這是需要逐步判斷時的一種工作節奏,Codex CLI 也可採用本機互動方式。
以 Codex 的雲端委派模式為例:把「修這個 bug」與「為新功能補文件」拆成兩項任務,補上環境、完成條件與測試要求,交出去後再回來逐一審 diff。這種節奏適合範圍清楚、可獨立執行的工作;Claude Code 的雲端工作階段也能用於委派。完成時間依任務與環境而定。
以上是假設的分工範例,示範如何安排即時判斷與委派工作,並非同條件實測。你也可以在同一個產品內採用兩種模式,或依專案權限調換工具;實際效果要看任務、環境與驗收結果。
團隊與企業導入:治理與成本的考量
個人開發者選工具看手感與訂閱,團隊與企業則要多看兩件事:能不能集中管控、成本怎麼估算。新創團隊若把 Claude 列入候選,可先檢查Anthropic 的新創申請方案,將免費席位、API 額度與期限納入試用預算。

資安比較要先確認工作階段在哪裡執行,以及它能取得哪些檔案、網路與憑證權限。Codex CLI 能存取獲准的本機專案;Claude Code 也能在雲端環境執行。因此,不能用「Codex 碰不到本機、Claude Code 直接在本機跑」判定產品安全性。導入前應逐一核對選用入口的沙箱、權限核准、網路與資料政策,並用團隊的實際需求驗收。
成本方面,兩者都是訂閱或用量制,沒有買斷。Codex 隨 ChatGPT 方案計價,團隊走 Business(按人數與用量計費),OpenAI 先前的 GPT-6 Sol 每任務成本可用來回溯舊版;Claude Code 隨 Claude 訂閱,團隊可從 Pro 起步、重度用量升到 Max 5x 或 Max 20x。估算團隊成本時,與其算人均月費,不如先用一兩週真實工作量跑一次,看實際額度消耗落在哪一級,再決定方案。所有數字以官方定價頁與帳號內顯示為準。 若同時評估 API 成本,可以加入 GPT-6.1 Sol 的快取費率與任務成本;API 牌價與訂閱額度是兩種計費方式,應分開試算。規劃新工作負載時,可用新版 Sol 的 API 費率與月成本試算代入預估 Token 用量。
分工範例:一天怎麼安排本機互動與雲端委派
以下是一個假設的日程範例,沿用「Claude Code 本機互動、Codex 雲端委派」這組選擇示範交接。這不是產品能力的唯一分工,也不是本站一日實測紀錄。
- 早上頭腦清醒時,用 Claude Code 處理需要判斷的事:架構討論、棘手除錯、設計新模組。你全程在場,邊讀邊改。
- 把當天累積的可委派工作(待修的小 bug、待補的測試、待審的 PR)整理成任務單,丟給 Codex 的雲端任務排隊跑。
- 下午開會或處理雜事時,Codex 在背景幫你推進這些批量工作。
- 下班前回來逐一審 Codex 產出的 diff,接受、退回或要求重做。
安排這類交接時,要把任務說明、分支、測試與待審 diff 留清楚。並用會增加帳號、介面與設定的管理成本,是否更有效率仍要用自己的工作量驗證。可先核對兩種代理共用專案規則的方法,確認 CLAUDE.md 與 AGENTS.md 的內容會由哪個工具載入。
深入比較:五個實際會卡關的點
六維度總覽表看的是規格,真正用起來會卡關的,往往是更實戰的幾個點:除錯體驗、大型重構、學習曲線、成本控制、團隊協作。把這幾項想清楚,你會更知道哪種任務該交給誰。
- 除錯體驗:原因未明的錯誤適合先互動探索,逐步核對錯誤、呼叫路徑與重現條件;能清楚描述的錯誤則可寫成任務單委派。這是任務狀態的分流,兩個產品都可納入試跑,不宜只從歷史 benchmark 推定哪個一定更適合。
- 大型重構:先判斷改動能否拆成獨立步驟,並寫出每一步的測試與驗收條件。範圍清楚的步驟可委派,需要來回判斷的部分可互動處理;再依環境、權限與試跑結果選工具,保留隨時退回修改的方式。
- 學習曲線:兩者都要練習描述任務、設定權限、看 diff 與驗證測試。可從已有帳號的工具開始,拿一件小任務試跑,再比較本機與雲端流程。若先試 Claude Code,可參考〈Claude Code 安全設定實戰〉核對 Plan Mode 與權限設定。
- 成本控制:先分清楚訂閱額度與 API 用量,再按所選入口、模型、任務大小及重試情況記錄消耗。兩個產品都可採互動與委派方式,不應只用「Claude Code 是長 session、Codex 是雲端任務」估算成本。可用一兩週的實際工作量建立預算,再核對官方方案與帳號內顯示。
- 團隊協作:需要一起討論時可選互動工作階段;跨時區或集中審查時可用明確任務單與 diff 交接。兩種節奏都應核對選用入口的共享、權限與審查功能,不能只按產品名稱推定。
這五點沒有標準答案,關鍵是辨認你手上的任務屬於哪一種,再把對的工具放上來。多數人卡關不是工具不夠強,而是用錯了節奏。
換工具的成本:能不能從一個換到另一個
兩者帳號體系不同,但工作內容可以互通,換工具的成本其實不高。你在一邊累積的主要是「怎麼把任務描述清楚」的經驗,而不是被綁死的資產,這份能力可以直接帶到另一邊。國外社群的普遍觀察也是:從 Claude Code 起手、再切換到 Codex 幾乎無痛,因為「把任務講清楚」這個核心能力是共通的。
實際搬移時注意三件事:一是確認專案記憶檔的載入方式。AGENTS.md 與 CLAUDE.md 都用 Markdown,通用的專案慣例、禁用語法與測試指令可以共用;應調整的是檔案位置、匯入方式與工具專屬指示,不必因為換工具就重寫全部內容。二是 MCP 連線設定要重接,兩邊都支援 MCP,但設定方式與權限模型有差異。三是訂閱要重新評估,如果你本來只付一邊,換過去等於多一筆月費,建議先用免費或低階方案試跑一兩週再決定。
多數開發者不是「換」,而是「加」。從本來就在用的那一邊開始,遇到它不擅長的任務再把另一邊加進來,成本最低、學習曲線也最平緩。如果兩個代理都在本機執行,想在同一個畫面切換對話和審查修改,可以用 T3 Code 管理 Codex 與 Claude Code,登入與用量仍依各自供應商計算。
還可以把「代理工具」與「背後使用的模型」分開評估。想保留既有操作方式,可先了解讓 Codex、Claude Code 使用 Kimi 模型的方式,核對端點、支援功能與資料處理條件,再用一個小任務比較;相容介面不代表所有工具行為都相同。
給不同角色的快速建議
如果你還是不確定,用你的角色快速對照:
- 個人開發者:從你已經付費的那一邊開始,先把單一工具用到熟,再考慮並用。
- 團隊技術主管:看治理需求。資安底線要集中管控的,Claude Code 的 CLAUDE.md 四層較省心;著重 GitHub 流程與用量的,Codex 的工作區方案較直接。
- 非工程師:先試能看懂操作與修改內容的圖形介面,確認檔案存取、權限核准與結果驗收流程,再決定是否需要終端機或雲端委派。
- 企業資安與採購:兩者都要走官方企業方案,重點看資料使用政策、稽核與單一簽入支援,這些以官方企業方案頁與合約為準。
常見問題
Codex 跟 Claude Code 差別是什麼?
兩者都支援本機與雲端工作。Codex CLI可讀寫本機專案並執行指令;Claude Code 雲端工作階段可在遠端環境執行。選型時比較入口、環境、權限、審查流程與費用,不要把「雲端代理人 vs 本機助手」當成固定產品分工。若要延伸比較其他入口,可看 GPT-5.6、ChatGPT Work、Muse 個人代理與Claude Cowork的介紹。
Codex 跟 Claude Code 可以同時用嗎?
可以。兩者帳號與生態各自獨立,可按既有訂閱、權限與任務需求分工。探索、批量修改或雲端委派都不必固定綁定某一個產品;交接時保留任務說明、測試結果與待審 diff。
哪一個比較便宜?
沒有絕對答案,因為綁在不同訂閱裡:已經付 ChatGPT Plus 的人用 Codex 通常不用再加錢,已經付 Claude Pro 的人用 Claude Code 也是。走 API 的話兩者單價接近(Claude 甚至略便宜),但 Claude Code 互動式長 session 可能消耗較多總 token。所以最省成本的起手式,是從你本來就在付的那邊開始。
新手第一個該學哪個?
先從你已有帳號、能存取專案且符合權限需求的工具開始。用一件範圍小的任務練習交代需求、看 diff、跑測試與退回修改;熟悉後,再比較另一個產品的本機與雲端流程。
兩者的專案記憶檔有什麼差別?
Codex 用 AGENTS.md,Claude Code 用 CLAUDE.md(並有 Managed Policy/Project/User/Local 四層架構)。用途相近,都是把專案慣例與指令寫進去讓代理人遵守;差別在分層與部署彈性,Claude Code 的四層對團隊集中管控更友善。
非工程師適合用哪個?
兩者都有圖形介面入口。先用不涉及敏感資料的小任務,確認能否取得所需檔案、顯示修改內容並讓你核准操作。若需要雲端持續執行或手機查看,也應核對所選入口與方案的支援範圍,再決定工具。



討論與提問