两种截然不同的开发风格
Opus 和 Codex 的核心差异不在于"谁更聪明"，而在于它们被训练出了完全不同的工作方式。
Opus 是快速试错型选手。它倾向于立刻动手、迭代修正，非常适合交互式开发——你说一句，它改一版，节奏很快。Codex 则是深度阅读型，默认会先扫描大量代码再动手，虽然互动感弱一些，但因为"读得更多"，交付的代码质量往往更高。
Peter 用了一个很生动的比喻：Opus 像一个有点傻但很有趣的同事，你愿意和他搭档；Codex 像角落里你不太想搭话的怪人，但他靠谱，能把事情做完。
Opus 的上限更高，但需要驾驶技巧
如果引导得当，Opus 有时能产出更优雅的解决方案。但这对使用者有要求——你需要主动启用 plan mode，需要用力引导它去深入阅读代码，否则它会迅速跑偏，给出局部化的方案。
Codex 的使用门槛更低。它会自动进入深度思考模式，讨论清楚需求后"消失"20到50分钟甚至更久，直到把事情做完。不需要太多额外的交互和引导，风格更"干"、更稳定。
这里有个实际问题值得独立开发者注意：在模型能力差不多的情况下，真正影响使用体验的是速度。200 美金的 Claude Code 可以流畅快速地开发，使用 Opus 时大部分瓶颈在人的思维速度和精力上。而 Codex 目前即使付同样的价格，也没有提供快速选项，模型速度本身成了瓶颈。
付费层级的陷阱
Peter 指出一个很常见的比较误区：用户为 Claude Code 付了 200 美元，获得了快速、交互式的体验，却只为 OpenAI 付 20 美元，拿到的是慢速版本，然后得出"Codex 不好用"的结论。这种不对等的比较是不公平的。他认为 OpenAI 在定价策略上有点"搬起石头砸自己的脚"——没有给用户一个公平体验产品的机会。
原始智力差距不大，差异在后训练
Peter 认为两个模型的原始智力差距不大，真正拉开差异的是后训练阶段赋予了它们不同的目标和行为模式。没有任何一个模型在所有方面都更好。
值得一提的是 Opus 曾经有严重的"讨好"倾向，最典型的就是不停说"You're absolutely right"，一度成为社区梗。Anthropic 后来做了改进，但这个问题仍然值得留意。Peter 还打趣说 Opus"有点太美国了"，而 Codex 团队有很多欧洲人，风格更直接。
"模型变笨了"多半是错觉
每次新模型发布，用户先是疯狂赞美，然后逐渐开始抱怨"模型智力在下降"。Peter 认为这更可能是两个原因：一是用户习惯了好东西后期望不断升高；二是随着项目膨胀、代码质量下降，Agent 处理起来越来越吃力。AI 公司没有动机故意降低模型能力，最多在服务器负载高时降低响应速度。
切换模型需要适应期
Peter 建议，如果要从一个模型切换到另一个，至少给自己一周时间来培养直觉。就像从普通吉他换到电吉他，不可能立刻弹好——每个模型都有自己的"手感"，需要时间去摸索怎么提问、怎么引导、怎么设定上下文。
对于独立开发者来说，选 Opus 还是 Codex 不是一个"谁更好"的问题，而是匹配工作方式的问题。如果你喜欢快节奏的交互式开发、愿意花精力学习引导技巧，Opus 的上限更高；如果你更想把任务丢出去、等结果回来，Codex 的自主性更强。最务实的做法是两个都试，但记得给每个模型至少一周的磨合期，别急着下结论。