AI 工具 101

OpenAI Codex 评测:我交给它的每个 Bug,它都修好了

Janine Heinrichs
将 Unite.AI 添加到您在 Google 上的首选来源
披露:

当您使用我们评测产品的链接时,Unite.AI可能获得报酬。这不会影响我们的编辑评价。 请阅读我们的 联盟披露。

OpenAI's Codex fixing every computer bug and celebrating.
要点Codex 仅凭一份含糊的报告就修复了全部九个预先植入的缺陷,且无需任何后续提示。
查看更多
  • Codex 仅凭一份含糊的报告就修复了全部九个预先植入的缺陷,且无需任何后续提示。
  • Codex 无法在浏览器中打开它自己构建的应用,因此用户必须自行验证结果。
  • 在更新 Mac 隐私设置以授予访问权限之前,计算机使用功能失败了两次。

你可能需要做个简单的工具、修复一个无法正常运行的 Bug,或者终于把拖了一整周的对比表做完。这些事都不难,只是琐碎耗时,足以占去一个下午;如果你不会编程,那它们就只能搁着。

OpenAI 希望通过 Codex 来解决这个难题。与某些 AI 编程工具 不同,它不只是给出代码建议,还会编写文件、运行程序、测试结果,甚至能在后台操作你使用的其他应用,帮你把事情做完。

自从我第一次评测 Codex 以来,它已经有了很大变化。如今它整合在 ChatGPT 桌面应用中,并由全新的 GPT-6 系列模型驱动。因此,我没有再带你逐一浏览菜单,而是交给 Codex 三项实际任务,再根据它交付的成果进行评判。

在这篇 Codex 评测中,我会介绍它的实际表现、令我印象深刻之处,以及我认为它仍有不足的地方。文章最后,我还会将它与我最看好的三个替代产品进行比较:Claude Code、Cursor 和 Replit。读完之后,你就会知道哪款工具适合自己!

结论

Codex 在我的三项测试中都交出了真正可用的成果:一个能正常运行的发票应用、修复了全部 9 个预先植入的 Bug,以及一份所有价格都准确无误的定价电子表格。它的短板在于无法检查自己的工作,因为它没能在浏览器中打开自己构建的应用。此外,使用电脑功能还需要授予 Mac 权限。

优点与缺点

  • 只需一条提示,就能在大约 6 分钟内创建一个可正常使用的发票应用,金额合计精确到分。
  • 根据一份含糊的报告,找出并修复了我藏在测试应用中的全部 9 个 Bug。
  • 电子表格中的 18 个价格都与官方定价页面一致。
  • 会告诉我哪些内容无法核实。
  • 会将工作成果保存在电脑上的文件夹中。
  • 经你许可后,可在后台操作 Numbers 和 Chrome 等应用。
  • 摘要让非开发人员也能使用它。
  • 所有 ChatGPT 套餐均包含此功能,包括 Free 套餐。
  • 支持 Mac、Windows、网页、iOS 和 Android,也可在终端或代码编辑器中使用。
  • 除了编程,也能处理研究任务和电子表格。
  • 在我的三项测试中,有两项我必须亲自检查结果,因为 Codex 无法在浏览器中测试它们。
  • 在我更新 Mac 的隐私设置之前,电脑操作功能失败了两次。
  • Numbers 无法打开时,它未经询问就切换到了 Excel。
  • Free 套餐只能使用轻量版 GPT-6 Luna 模型。要更多使用 GPT-6 Astra,则需要 Pro 套餐。
  • Plus 套餐的使用限额很难预测。GPT-6.1 Sol 在 5 小时内可处理 15 到 160 条消息。
  • 允许 Codex 操控电脑上的应用可能带来安全风险。
  • Codex 藏在同时提供聊天和工作的应用中,很容易被忽略。
  • 它的摘要漏掉了一个已修复的 Bug。

什么是 Codex?

Codex 是 OpenAI 面向软件开发工作的 AI 智能体。你只需描述想要什么,它就会读取文件、编写和编辑代码、运行命令、测试结果,并向你汇报。它最初于 2025 年推出,是一款面向开发者的编程工具;此后,它已发展为支撑 ChatGPT 更多功能的核心引擎,而 ChatGPT 也因此成为使用最广泛的 AI 助手之一。

Codex 如今已整合进 ChatGPT

最大的变化是 Codex 的所在位置。2026 年 7 月,OpenAI 将 Codex 应用整合进重新设计的 ChatGPT 桌面应用,并同时推出了名为 ChatGPT Work 的新智能体。OpenAI 表示,每周有超过 500 万人使用 Codex。

我的桌面应用顶部有两个选项卡:聊天和工作。将电脑上的项目文件夹添加进来后,就可以在“工作”选项卡中编程,而负责执行任务的智能体就是 Codex。

使用 Codex 时会发生什么

选择一个文件夹,输入请求,Codex 就会开始工作。它会显示实时操作日志和一份摘要,其中附有创建的文件链接;点击链接后,文件会在聊天窗口旁的预览窗格中打开。

现在,新对话默认在云端运行,因此你可以在网页或应用中继续同一场对话。Codex 仍能访问已连接电脑上的文件和应用。

背后的模型

使用付费套餐时,你可以选择模型和思考级别(从轻量到特高)。目前的模型阵容如下:

  • GPT-6.1 Sol:Plus 套餐中 Codex 的默认模型,兼顾质量与速度。我在所有测试中都将它设为“中等”思考级别。
  • GPT-6.1 Terra:速度更快、价格更低的模型,于 2026 年 10 月 26 日发布,专为视觉推理和电脑操作打造。
  • GPT-6 Luna:轻量级模型,也是我的 Free 账户唯一能使用的模型。
  • GPT-6 Astra:顶级模型。Plus 套餐的可用额度较少(OpenAI 估计每五小时可发送 5–45 条消息),Pro 套餐的额度则高得多。

GPT-5.5(我最初评测时使用的模型)已于 2026 年 10 月 14 日从 Codex 下线。

电脑操作

在桌面端,Codex 可以在后台通过点击和输入操作电脑上的其他应用(例如 Chrome 或 Numbers)。

首次需要在某个应用中获得此类访问权限时,它会询问你:

  • 允许它在本次对话中使用
  • 始终允许它使用
  • 拒绝

正如你在我的测试中将看到的,这项功能是产品中最令人印象深刻、也最不可靠的部分。它还扩大了智能体能够接触的范围,这也是安全研究人员不断指出智能体攻击面风险的原因。

这也是最需要进行设置的功能。仅在聊天中逐一批准各个应用还不够;Mac 的隐私设置也必须允许访问,这一点是我在测试中发现的。它还会让智能体获得更多访问权限,这也是安全研究人员不断指出智能体攻击面风险的原因。

Codex 适合哪些人?

以下人群最适合使用 Codex:

  • 自由职业者和小企业主只要描述自己的需求,就能构建实用工具,例如发票生成器或客户跟踪工具。无需开发人员。
  • 维护旧项目的开发人员可以给 Codex 一份含糊的错误报告,让它找出并修复问题。它还会解释所做的更改,因此他们不必亲自翻查代码。
  • 有应用创意的创业者可以在几分钟内将其变成可运行的原型,然后通过聊天不断改进。借助面向商业的 AI 工具,节省时间的方式还有很多,这只是其中之一。
  • 内容创作者和研究人员可以让 Codex 从官方来源查找信息,并将信息整理到包含图表和来源链接的电子表格中。
  • 已经在为 ChatGPT 付费的团队可以免费试用 Codex,因此在花钱购买其他AI 软件开发工具之前,不妨先试试它。
  • 有重复性任务的 Mac 和 Windows 用户可以用 Codex 在不同应用之间转移信息,不过需要先授予它适当的权限。

Codex 的主要功能

以下是给我留下深刻印象的主要功能:

  • 项目文件夹:指定电脑上的一个文件夹后,Codex 就能读取、写入并运行其中的文件。它创建的所有内容都会保留在你的设备上。
  • 构建与测试:编写代码,然后自动运行检查来验证结果。
  • 摘要:每项任务结束时,都会提供一份摘要,说明它构建或更改了什么。
  • 电脑操作:在你授予各个应用相应权限并设置好电脑后,它就能在后台操作桌面应用和 Chrome。
  • 内置浏览器 & 预览窗格:在聊天旁打开网页和生成的文件(包括电子表格)。
  • 联网研究并注明来源:搜索官方网站,并引用所用的网页。
  • 云端任务:任务会在 OpenAI 的服务器上继续运行,因此你可以在网页端或 iOS 应用中继续处理。
  • 模型与推理控制:可选择 GPT-6.1 Sol、Terra、Luna 或 Astra(视套餐而定),并将推理强度设为从 Light 到 Extra High 的任一档位。
  • 开发者工具:审查并评论代码更改,选择保留或撤销哪些编辑,还可以审查多个代码仓库中的更改。你也可以在 GitHub 上审查拉取请求,并在终端或代码编辑器中使用 Codex。
  • 插件 & 定时任务:连接 Slack 和 Google Drive 等工具,并运行周期性任务。

实测:Codex 的产出

我在 Mac 上使用 ChatGPT 桌面应用进行了三项测试,使用 Plus 套餐,并将 GPT-6.1 Sol 的推理强度设为 Medium。

测试 1:只用一条提示构建自由职业开票应用

第一次测试时,我没有像往常一样制作AI 网站构建工具的落地页,而是让 Codex 构建一个我真正用得上的工具:

“为我构建一个网页应用,兼具自由职业工时跟踪器和发票生成器的功能,并且可以在浏览器中打开。我是一名按小时向客户收费的自由撰稿人。”

我列出了六项要求:

  1. 客户及其小时费率。
  2. 计时器和手动录入工时。
  3. 客户及其小时费率。
  4. 计时器和手动录入工时。
  5. 可编辑的条目。
  6. 按日期范围生成的发票,含 13% HST、PDF 下载功能和数据保存功能。

我还要求它能在手机上使用、在浏览器中自行测试,并告诉我哪些功能无法实现。

让 Codex 制作一款自由职业者工时追踪和发票生成 Web 应用。

6 分 21 秒后,Codex 交付了名为“Billable”的应用:一个 27 KB 的 HTML 文件,无需安装,也无需账户。它甚至还编写了自己的 PDF 生成器。

使用 Codex 制作的发票生成器。

接着我开始实际使用。我添加了两位客户(其中一位的费率是每小时 87.50 美元),启动计时器,记录了五条工时(包括一条来自 10 月的记录,以及一条属于另一位客户的记录),编辑了一条,删除了另一条,并生成了一张涵盖 11 月 1 日至 11 日的发票。

发票包含了正确的三条记录,没有计入 10 月的工时,也没有计入另一位客户的工时。金额计算也精确到分:

项目 Codex 的结果 正确吗?
3.25 小时 × $87.50 $284.38 ✅
1.333 小时 × $87.50 $116.64 ✅
计时器记录(4 秒) $0.10 ✅
小计 $401.12 ✅
HST(13%) $52.15 ✅
总计(CAD) $453.27 ✅

下载的 PDF 是一页的发票。

由 Codex 创建的自由职业者工时追踪和发票生成器所生成的发票 PDF。

在手机上,侧边栏变成了顶部菜单,页面没有横向滚动,按钮也很容易点击。

由 Codex 创建的自由职业者工时追踪和发票生成器的手机版。

我的看法

如果我有客户并按小时收费,作为自由职业者,我确实会使用这款工具。一切第一次尝试就顺利运行,而且它还做出了一些我没有要求、但很明智的选择。每条工时记录都会保存当时收取的小时费率,因此即使你后来提高了某位客户的费率,之前的工作记录也不会受到影响。

不过,它也并非完美:

  • Codex 承认,由于“浏览器阻止了本地预览”,它无法测试计时器、保存功能、下载功能或手机布局。测试工作只能由我来做。
  • 输入不太规整的数字时,工时显示会很奇怪。我输入的 1.333 小时在发票上显示为“1.3331 小时”。
  • PDF 没有注明到期日或付款条款(我没有提出要求,但正规的发票需要这些信息)。
  • 数据只保存在当前这一个浏览器中,没有备份或导出功能。

如果再给它一个后续提示,让它添加付款条款和数据导出按钮,我就会使用这款工具。

测试 2:根据含糊的错误报告查找并修复错误

在下一项测试中,我开发了一款小型预算追踪应用,并故意加入了九个错误。有些错误会让总额把数字当作文本拼接,而不是相加;另一个错误会导致删除按钮移除错误的项目。甚至还有一个安全漏洞,能让代码通过支出名称运行。

然后,我给 Codex 发了一份人们实际会提交的那种错误报告:“大家一直跟我说这个预算应用坏了。我不知道出了什么问题。请找出并修复所有你能找到的错误,测试你的修复,然后用通俗易懂的语言列出哪些地方出了问题,以及你改动了什么。”

允许 Codex 使用 Google Chrome。

Codex 工作了 7 分 56 秒。过程中,它请求使用 Google Chrome 测试应用的权限,我在那次对话中同意了。

Codex 为应用生成了一张两列表格,列出问题所在和所做的修改。

它返回了一张两列表格,列出问题所在和所做的修改,并表示有 11 项自动检查通过。我根据自己的错误清单进行了检查:

故意加入的错误 已修复?
每次提交都会重新加载页面,清除输入内容 ✅(但摘要中漏掉了这一项)
金额被当作文本相加,而不是数字 ✅
剩余余额的计算方向相反 ✅
收入为空时显示“NaN%” ✅
用一个名称保存,却用另一个名称加载 ✅
删除操作移除了错误的支出项目 ✅
出现舍入误差,例如 $0.30000000000000004 ✅
支出名称可以运行代码(安全问题) ✅
手机上的布局错乱 ✅

修复前后的差别一目了然。使用相同的三笔支出时,有问题的应用显示总支出为“$01450312.40156”,占收入的 36,258%。修复后的版本显示支出为 $1,918.40,剩余 $2,081.60,占收入的 48%。

使用 Codex 修复预算应用前后的对比。

我的看法

Codex 根据一份几乎没有提供任何线索的错误报告,修复了全部九个错误,而且完全不需要我再补充提示。对于不会读代码的人来说,这就是继续忍受一个有问题的应用和付钱请开发人员查找问题之间的区别。

不过,它的摘要只提到了九个漏洞中的八个(它修复了页面重新加载漏洞,却没有说明),所以不要把它当成完整审计。此外,Chrome 超时了,因此它无法在真实浏览器中检查修复结果。

测试 3:查询价格并在 Numbers 中制作电子表格

最后一项测试中,我让 Codex 查看 Codex、Claude Code、Cursor 和 Replit 的官方定价页面,然后在我的 Mac 上打开 Numbers,制作一份对比电子表格。我要求每个套餐占一行,为每款工具最便宜的付费套餐制作柱状图,并附上来源网址,文件名为“AI 编程工具定价”。

Codex 查询了这四个定价页面,然后请求使用 Numbers 的权限。我批准了。

接着,它说:“Numbers 无法在你的 Mac 上打开,所以我将工作簿保存为 Excel 格式。”总耗时:3 分 48 秒。

Codex 中的 AI 编程工具定价 Excel 电子表格。

这份电子表格本身质量很高:列出了 18 个不同的套餐,每个套餐都注明月费、所含内容的一句话摘要和来源网址,图表则由实时公式驱动。我逐一核对了所有价格与官方页面,18 个价格全部正确。

Codex 生成的 Excel 柱状图,展示了最便宜的 AI 编程工具。

电脑操作功能已经连续两次失败(测试 2 中的 Chrome 和这次的 Numbers),于是我检查了 Mac 的隐私设置,并授予 ChatGPT 它所请求的访问权限。然后我让 Codex 再试一次。

仅用 3 分 10 秒,它就用 Numbers 打开了工作簿,确认全部 18 行、网址和图表都已正确导入,并将文件保存为原生 .numbers 格式。

Codex 在 Numbers 中生成的 AI 编程工具定价表。

我的看法

研究结果非常出色;这类跟踪表通常得自己手动制作,或者付费使用分析与报告工具才能获得。所有 18 个价格都准确无误,尤其是其中一些价格在过去一个月内有所变动;这一表现优于我对大多数初稿的预期。

不过,人的判断仍然很重要。图表将 ChatGPT Go(8 美元)和 Claude Pro(20 美元)分别标为各自工具“最便宜的付费套餐”,从技术上说并没有错,但容易造成误导。Go 套餐只包含轻量版 Luna 模型。发布前,我还会再核对几项套餐说明。

电脑操作功能确实奏效了,但需要先进行一些大多数人都不知道该如何操作的设置。而且,功能出错时,Codex 并没有停下来询问,而是改用 Excel 文件,事后才提到这一点,却没有解释为什么 Numbers 无法打开,也没有说明如何解决。

结果与输出质量

输出质量比我预期的更好。发票中六项金额的计算精确到分,所有漏洞修复都经受住了我进行的每一项检查,电子表格中的每个价格也都与来源一致。这三项输出都不需要修正。

需要修改的地方,问题不在于正确性,而在于判断:发票需要补充付款条款,对改动内容的说明需要更详细,图表对比也需要更加公平。与此同时,速度始终稳定,每项任务约耗时 3 到 8 分钟;除了批准应用访问权限外,不需要我进一步指导。

最大的弱点在于测试。在两项构建或修复应用的测试中,Codex 都无法在浏览器中打开应用并逐项操作。它的浏览器阻止了本地文件,而在我设置好 Mac 的隐私权限之前,Chrome 一直超时。它改用自动检查,并坦率说明了这一点,但你仍然需要亲自测试结果。

电脑操作功能需要的设置比我预想的更多。在聊天中逐一批准应用还不够:Mac 的隐私设置也必须允许它访问。在完成这些设置之前,Chrome 一直超时,Numbers 也无法打开。设置完成后,它顺利打开了 Numbers 并保存文件,没有遇到任何问题。

如何使用 Codex

以下几点会显著影响你的使用效果:

  1. 从 chatgpt.com/codex 下载 ChatGPT 桌面应用。我所有的测试都使用 GPT-6.1 Sol,这需要 Plus 或更高等级的套餐。免费版和 Go 套餐只包含轻量版 GPT-6 Luna 模型,因此结果可能有所不同。
  2. 为 Codex 指定一个专用文件夹。Codex 可以读取、编辑和运行你附加的项目文件夹中的任何内容,因此不要将整个 Documents 文件夹都交给它。
  3. 先设置权限。要使用电脑操作功能,请在 Mac 的“隐私与安全性”设置中授予 ChatGPT 辅助功能和屏幕录制权限。这样我就能避免之前的失败尝试。
  4. 描述你想要的结果,而不是具体步骤。稍微运用一些提示词设计会有所帮助。列出你的需求,并让它告诉你哪些内容没能实现。
  5. 亲自测试输出结果。Codex 的摘要很清楚,但不会列出每一项改动。使用它构建的内容之前,先打开并实际试用。

Codex 的三大替代方案

以下是我试用过并愿意推荐的最佳 Codex 替代方案。

Claude Code

 

Claude Code 是 Anthropic 推出的编程智能体,也是 Codex 最接近的竞争对手。它可以在终端、VS Code 等集成开发环境、桌面端和网页端运行。Claude Pro 已包含 Claude Code;Max 和 Ultra 套餐则提供更高的使用限额。

在我测试的套餐级别(ChatGPT Plus 和 Claude Pro)中,这两款工具的价格相近,而且都附带功能更全面的 AI 助手,还能处理研究、电子表格和电脑操作任务。Codex 最便宜的付费套餐是 ChatGPT Go,但该套餐在桌面应用中只包含轻量版 Luna 模型。

实际选择取决于你已经在为哪款助手付费。Pro 的使用限额会在每 5 小时和每周的周期后重置,与 ChatGPT Plus 的情况大致相同。

如果你的大部分工作都围绕现有代码库开展,而且已经在使用 Claude,就选 Claude Code。否则,如果你想用一个订阅同时处理编程和日常任务,就选 Codex。

阅读我的 Claude AI 评测,或访问 Claude Code!

Cursor

Cursor 是一款基于 VS Code 构建的 AI 代码编辑器,集成了自动补全、多文件编辑和智能体功能,让你可以直接在编写代码的环境中使用它们。我最初测试时,它在几秒钟内就用 Tailwind 和本地存储构建出了一款习惯追踪应用。

从那以后,Cursor 发生了很大变化。SpaceX 于 2026 年 8 月收购了 Cursor,并且从 10 月起,Cursor 通过“X 订阅服务”销售。Cursor Plus 仅使用 Grok 和 Cursor 自有模型。Premium 套餐增加了云端智能体和 Bugbot 代码审查功能,但 Claude 和 GPT 模型需要按 API 费率另行计费。

两者的区别在于控制方式。Cursor 让你留在编辑器中,逐行检查更改。相比之下,如果你更愿意把整个任务交出去,再评估完成后的结果,Codex 会更合适;而且,使用 Codex 不会因套餐中包含 OpenAI 的顶级模型而额外收费。

阅读我的 Cursor AI 评测,或访问 Cursor!

Replit

 

Replit 是一个在线工作区,Replit Agent 4 可以通过聊天来规划、构建、测试和发布应用。它会为你设置数据库,提供用于设计模型和应用界面的可视化设计画布,而发布功能也集成在同一个工作区中。

Codex 也可以通过 OpenAI 的 Sites 功能发布应用。不过,在我的测试中,它将应用保存成了电脑上的一个文件,我没有尝试发布。Replit 从一开始就是围绕托管功能打造的。

入门级套餐的价格相近。不过,如果要处理电脑上已有的文件和项目,Codex 是更好的选择;而对于想要将作品上线、但不具备开发经验的用户,Replit 更合适。

阅读我的 Replit 评测,或访问 Replit!

Codex 评测:它适合你吗?

开始测试时,我以为 Codex 虽然能快速工作,但仍需要大量修补。实际结果比预想的更好。Codex 构建出了一款可正常使用的发票应用,税额计算完全准确;它修复了我故意隐藏起来的全部 9 个错误,还在电子表格中准确识别了 18 个价格,一个都没错。这些结果都不需要修正。

最让我惊讶的是那些细致周到的小决定。例如,每条工时记录都会锁定为记录时适用的小时费率,因此即使提高客户费率,旧发票也不会受到影响。这些正是细心的开发者会做出的选择。

让我失望的是验证环节。Codex 很少能在浏览器中测试自己的成果;它还漏提了一项自己做出的修复,而且电脑操作功能失败了两次,直到我更改 Mac 的隐私设置后才解决。

如果你已经在为 ChatGPT Plus 付费,Codex 绝对值得一用,尤其是你本来就在为它付费。自由职业者、企业主和小型团队可以用它来构建真正能用的工具。不过,主要在现有代码库中工作的开发者可能仍会更喜欢 Claude Code 或 Cursor;而想要发布应用、又不想接触文件的人,不妨看看 Replit。

感谢阅读我的 Codex 评测!希望这篇文章对你有所帮助。如果你想亲自试试 Codex,可以免费注册,看看它能为你构建什么。

常见问题

Codex 免费吗?

是的,Codex 免费。ChatGPT 免费套餐包含 Codex,可在桌面应用中处理简单的编程任务,但我的免费账户只提供轻量版 GPT-6 Luna 模型。Go 套餐提供更多使用额度,Plus 则可完整使用 GPT-6.1 Sol 和 Terra。

Codex 比 Claude Code 更好吗?

单论谁“更好”,Codex 和 Claude Code 都没有绝对胜出。在我的测试中,Codex 非常擅长根据模糊指令构建新工具和修复错误,也能处理电子表格等非编程工作。相比之下,Claude Code 更侧重于在大型现有代码库中工作。如果你已经在为其中一款付费,不妨先试试那一款。

Codex 能操作我的电脑吗?

是的,你可以在 Mac 和 Windows 桌面应用中让 Codex 使用你的电脑。它可以在后台操作 Chrome、Numbers 等应用,并且每次使用应用前都会征求许可。在 Mac 上,你还需要在“系统设置”中授予 ChatGPT“辅助功能”和“屏幕录制”权限。没有这些权限,我的测试就未能成功。

Codex 使用起来安全吗?

只要谨慎使用,Codex 就是安全的。它只能在你已批准的文件夹中运行,而且每次使用电脑上的应用前都会征求许可。你可以在 OpenAI 的审批与安全设置中选择它在不征求许可的情况下可以执行多少操作。为它指定一个专用项目文件夹,并在将其所做的更改用于任何重要事项之前先进行检查。

Janine Heinrichs 是一位 AI 软件评测专家,在过去三年中测试并评审了 250 多款 AI 工具。