Codex vs Claude Code 比較：雲端代理人 vs 本機互動助手

Codex 與 Claude Code 都是 2026 年主流的 AI coding agent，但定位剛好相反：能寫成任務單、可以晚點審 diff 的批量工作交給 Codex；需要即時探索、邊讀邊改的開發流程交給 Claude Code。多數開發者的實際做法是兩者並用，不會硬要二選一。

TL;DR：Codex 是「委派任務、回來驗收」的雲端代理人，Claude Code 是「邊讀邊改」的本機互動助手。兩者 benchmark 互有勝負：SWE-bench Pro 較難版 Claude Opus 4.8 拿 69.2%、GPT-5.5 拿 58.6%；但 Terminal-Bench 終端機實操反過來，GPT-5.5 的 82.7% 贏過 Claude 的 74.6%（DataCamp，2026-06）。把可排隊的批量工作丟給 Codex、要當場判斷的探索交給 Claude Code，是目前公認最順的分工。

一句話分野：雲端代理人 vs 本機互動助手

兩者的根本差別在「任務發生的位置」與「你參與的時機」。Codex 把任務丟到雲端背景跑，你可以同時派好幾個、過一段時間再回來看結果與 diff；Claude Code 在你的終端機裡即時運作，你看著它讀檔、改檔、跑測試，每一步都能即時介入。這裡沒有誰強誰弱的問題，重點是兩種不同的工作節奏。

把這層差異想清楚，後面的入口、計價、記憶檔差異就都有脈絡可循，不會被功能清單淹沒。

Codex 跟 Claude Code 差別在哪？

差別不在「誰寫的程式比較好」，而在任務發生的位置與你參與的時機。Codex 是雲端非同步：你把工作寫成任務單丟上去，關掉視窗去做別的事，過一陣子回來審它產出的 diff；Claude Code 是本機同步：它在你終端機裡即時讀檔、改檔，你每一步都能插手或否決。一句話：Codex 像把工作「外包出去再驗收」，Claude Code 像「跟一個夥伴並肩邊做邊改」。背後的模型實力其實在伯仲之間（後面的 benchmark 會證明），所以選誰，看的不是誰強，而是你的工作能不能排隊、要不要你當場看。

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）
定位	雲端背景代理人，委派後非同步執行	本機互動助手，終端機即時探索
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	可同時派多個雲端任務，回來看 diff 驗收	Agent Loop 互動式多步驟，邊做邊看
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

看出門道了嗎？在需要深度推理、改真實開源專案 bug 的 SWE-bench Pro，Claude 贏對手超過 10 分；但換成在終端機裡跑指令、操作環境的 Terminal-Bench，GPT-5.5 反贏 8 分。官方 Verified 榜（swebench.com）上的版本不同、分數又更接近。分數會打架，是因為兩種工具各自擅長不同性質的工作，而這恰好對應前面的定位：Codex 擅長終端機裡的批次、自動化操作，Claude 擅長需要反覆判斷的難題推理。

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。

所以與其問「誰比較強」，不如問「我手上是哪種工作」。要修一個講不清楚、得反覆推理的疑難 bug，Claude 的 SWE-bench Pro 優勢會幫上忙；要丟一串明確的終端機操作讓它自動跑完，GPT-5.5 的 Terminal-Bench 優勢更划算。

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。

• 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。

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〉。

多數人怎麼用：兩者並用

與其糾結二選一，不如把它們想成兩種節奏的工具，按任務性質分工。這也是 2026 年開發者圈最常見的實際樣貌。

• 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。

桌面版與手機遠端控制：非工程師的入口差別

如果你不想一開始就碰終端機，兩者的桌面版與手機控制能力差很多，這也是 2026 年非工程師最在意的入口。Codex 的桌面 app 介面貼近 ChatGPT、有繁體中文，手機遠端控制成熟度最高：透過 ChatGPT App 綁定後，人不在電腦前也能用手機接續任務、下指令，等於把雲端代理人放進口袋。Claude Code 的桌面版也持續進步，多視窗與專案管理不錯，但手機遠端目前多倚賴第三方方案，原生體驗不如 Codex 順。

入口選擇一句話：要最低摩擦力、最完整的手機遠端與中文介面，Codex 桌面版對非工程師更親切；要本機深度開發、多任務並行，Claude Code 桌面版或終端機更強。兩者現在都有圖形介面入口，不必一定得碰指令列。

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）。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 等於進階版 ChatGPT。方向反了。把 Codex 當聊天機器人用，正好浪費它最強的委派與非同步能力。它的正確用法是派任務、回來驗收。

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

如果還是難以決定，用下面三個問題快速分流：

• 這件工作能寫成清楚的任務單、可以晚點再看結果嗎？能 → 優先 Codex。
• 這件工作需要你當場看著它讀程式碼、即時調整方向嗎？需要 → 優先 Claude Code。
• 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？

用你每天都在做的事對照最快：如果你的工作大多是「講得清楚的批量任務」（修一串獨立 bug、補測試、跑 review）選 Codex，把任務單丟上雲端、回來驗收最省心；如果你的工作常是「講不清楚、要邊做邊想」（架構取捨、疑難除錯、大範圍重構）選 Claude Code，本機邊讀邊改、隨時插手更順。最務實的答案是：從你已經在付費的那一邊開始，碰到它不擅長的任務再把另一邊加進來，不必一開始就糾結二選一。

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。

用 Claude Code（同步、本機）的節奏會是：你在終端機裡開啟專案，先針對那個看不懂的舊模組問它「這段程式碼在做什麼」，看著它讀檔、畫出呼叫關係，你邊看邊決定要不要它動手改。遇到 bug，你把錯誤訊息貼進去，它當場追到出問題的那一行，你確認後讓它修。整個過程你都在場，每一步都能即時否決或調整。這種節奏適合需要判斷、會反覆改方向的工作。

用 Codex（非同步、雲端）的節奏會是：你把「修這個 bug」與「為新功能補文件」分別寫成兩張任務單丟上雲端，然後關掉視窗去做別的事。過半小時回來，兩個任務各自跑完，你逐一審它們產出的 diff，接受或退回。這段時間你的終端機是空的，可以拿來開會、寫別的程式。這種節奏適合範圍明確、可以排隊批量處理的工作。

同一個下午，把需要當場判斷的重構交給 Claude Code、把可排隊的 bug 與文件交給 Codex，是兩種節奏搭配得最順的用法。硬要用其中一個處理它不擅長的任務，反而會卡住。

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。

治理方面，Claude Code 的 CLAUDE.md 四層架構（Managed Policy 組織層、Project 專案層、User 使用者層、Local 本地層）讓管理員能把資安底線寫在組織層、成員端無法覆寫，同時保留各專案與個人的彈性。Codex 這邊的 AGENTS.md 偏專案層級，搭配工作區方案與 GitHub code review 流程，也能做到一定程度的集中管理，但分層彈性不如前者。從資安架構看，兩者走不同路線：Codex 在 OpenAI 的雲端容器裡用硬沙箱隔離執行，模型碰不到你的本機檔案；Claude Code 直接在你的本機上跑，靠 Hooks 與權限分層把關每一次操作。一個是作業系統層的強隔離，一個是應用層的可程式化治理，哪種更安全沒有絕對答案，取決於你的團隊更在意「隔離」還是「可控的彈性」。對資安要求高的組織，Claude Code 的分層會更省心。

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）；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。

真實並用工作流：一天怎麼分配

把兩者並用落實到一天，分工的依據是「這件工作要不要你當場看」，個人偏好應該擺在後面。

• 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。

這個節奏讓你的注意力留在高價值判斷上，重複性與可批量化的工作交給雲端代理人。剛開始並用會需要適應兩套介面與記憶檔（AGENTS.md 與 CLAUDE.md），但熟悉之後，產出效率會比單用任何一個都高。

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：那種「說不清楚哪裡壞了」的疑難雜症，正好是 Claude 在 SWE-bench Pro 領先的工作類型：你看著它讀錯誤、追程式碼、逐步收斂，邊看邊導正方向；反過來，已經能清楚描述的明確錯誤，丟給 Codex 當任務跑、回來看它修好沒更省力。國外開發者實測也反映同樣的分化：在終端機批次任務上 GPT-5.5 常又快又完整地跑完，但碰到需要反覆推理、講不清的 bug，互動式的 Claude 更能把問題擠出來。前者吃你的判斷力，後者吃你寫任務單的功力。
• 大型重構：關鍵不是規模大小，而是「能不能拆」。可以拆成幾個獨立小步驟的重構，交給 Codex 分批委派、事後統一審 diff 最省心力；需要你反覆判斷、來回調整方向的重構，Claude Code 的邊讀邊改比較順，你隨時能退回一步。一個實用的分流問法：這次重構的每一步，我能不能事前寫成清楚的驗收條件？能 → Codex；不能、得一邊看一邊改方向 → Claude Code。
• 學習曲線：Claude Code 要熟悉互動式指令、Plan Mode 與權限切換（settings.json 範本、allow／deny 規則與公司導入檢查表見〈Claude Code 安全設定實戰〉）；Codex 要學會把工作寫成清楚的任務單、並養成審 diff 的習慣。兩者學的是不同觀念，但門檻都不算高。最省力的入門是挑你已經在付費的那一邊，拿一件當天本來就要做的小事實跑一次（用 Claude Code 問它「這個函式在做什麼」、或用 Codex 派一張「補這支函式的測試」任務），半小時就能摸出手感，熟一個再碰另一個最省力。
• 成本控制：光看 API 單價兩者接近（Claude 甚至略便宜），但 Claude Code 互動式長 session 容易悄悄燒掉較多總 token，Codex 看的則是雲端任務額度、大任務或並行多任務會明顯吃額度。兩者都能在介面裡查剩餘量，建議養成定期查看的習慣；真要抓預算，先實跑一兩週再看實際消耗最準。
• 團隊協作：Claude Code 偏即時，適合一起盯著 session 討論、邊做邊對焦；Codex 偏非同步，把 diff 丟出來讓隊友各自審，適合跨時區或不想被打斷的工作節奏。團隊導入時，這層節奏差異比功能清單更影響實際採用；選錯節奏，工具再強也會用得彆扭。

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：一是專案記憶檔要重寫，AGENTS.md 與 CLAUDE.md 格式不同，不能直接複製貼上，但內容（專案慣例、禁用語法、測試指令）可以搬過去重新組織。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。

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：想做自動化、整理資料、建小工具，Codex 的桌面 app 與排程較好上手；想在本機專案邊讀邊改，Claude Code 的互動模式較直覺。
• 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？

一句話：Codex 把工作「丟上雲端、晚點驗收」，Claude Code 是「在終端機裡邊做邊改、隨時插手」。兩者模型實力在伯仲之間（SWE-bench Pro Claude 領先、Terminal-Bench GPT-5.5 領先），所以與其問誰強，不如拿一件今天要做的事實測：能寫成清楚任務單、可以晚點看結果的，交給 Codex；需要當場看著它改、邊做邊判斷的，留給 Claude Code。（2026 年 7 月補充：OpenAI 較新的模型家族已是 GPT-5.6，Codex 也已整合進 ChatGPT 桌面應用（官方定位「now in ChatGPT」），與新發表的 ChatGPT Work 工作代理並列；不過本篇的核心結論——兩者是「雲端代理人 vs 本機助手」的分工，而非誰取代誰——仍然成立。）

Codex 跟 Claude Code 可以同時用嗎？

可以，而且多數開發者就是這樣做。兩者帳號與生態各自獨立、不衝突，按任務性質分工即可：批量、可排隊的工作交給 Codex，要當場判斷的探索交給 Claude Code。

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？

看你最常做的工作類型。如果是修 bug、補測試、code review 這類可委派的批量任務，先學 Codex；如果是架構討論、除錯探索這類需要即時互動的，先學 Claude Code。兩者的入門門檻都不高，熟一個再碰另一個最省力。

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？

非工程師若想做自動化、整理資料、建小工具，Codex 的桌面 app 與排程自動化相對好上手；若想在本機專案裡邊讀邊改，Claude Code 的互動模式更直覺。兩者都有圖形介面入口，不必一定要碰指令列。