20-Claude Code vs Codex vs OpenCode：真实项目横向评测

Claude Code vs Codex vs OpenCode：真实项目横向评测

前 19 篇文章分别深入了三大工具。但"哪个更好"这个问题，只有放在同一个需求面前才能真实回答。这篇文章用同一个项目需求，分别交给三个工具独立完成，从四个维度做客观对比。

评测方法

测试需求

为了公平对比，选择了一个中等复杂度的真实需求：

"为一个 FastAPI 后端项目添加 API Key 认证功能。要求：

1. 支持创建/吊销 API Key
2. API Key 用 SHA-256 哈希存储（不存明文）
3. 中间件验证 API Key，验证失败返回 401
4. 支持 Key 的过期时间
5. 写完整测试"

评测环境

项目背景：已有的 FastAPI 后端项目（12 个文件） CLAUDE.md / AGENTS.md：已经写好，三个工具用同一份约束 MCP 配置：三个工具都配了 GitHub MCP 模型： Claude Code → Claude Sonnet 4.6 Codex CLI → GPT-5.3-Codex OpenCode → Claude Sonnet 4.6（和 Claude Code 同模型，对比工具差异）

评测维度

实测过程

Claude Code：4 轮对话，22 分钟

第 1 轮（3 分钟）： 👤 "帮我添加 API Key 认证功能。要求：创建/吊销 Key， SHA-256 哈希存储，中间件验证，支持过期时间。" 🤖 开始干活： - 直接创建 api_key.py（model + CRUD） - 直接创建 middleware.py（验证中间件） - 注册路由到 main.py → 初版完成，但 API Key 的权限模型没做 第 2 轮（5 分钟）： 👤 "不错。但还需要给每个 Key 关联一个 scope（权限范围）， 中间件验证时要检查 scope 是否匹配当前路由。" 🤖 修改 model 加 scope 字段 → 修改 middleware 加 scope 检查 → 修改创建/吊销接口支持 scope 参数 → 修改测试覆盖 scope 场景 → 运行测试：3 个 fail → 自动修复：scope 默认值处理不当 → 再跑：全部通过 第 3 轮（8 分钟）： 👤 "再加一个功能：管理员可以查看所有 Key 的使用统计—— 每个 Key 被调用了多少次、最后一次调用时间。" 🤖 新增 APIKeyUsage 表 → 新增统计接口 → 修改 middleware 每次验证后记录使用 → 写测试 → 跑测试：1 个 fail（并发记录问题） → 修复：改用异步写入 → 通过 第 4 轮（6 分钟）： 👤 "最后加完整测试：happy path + 过期 Key + 错误 scope + 吊销后的 Key" 🤖 写了 12 个测试用例 → 跑测试 → 全部通过 → /review 自查 → 没有安全问题 总计：4 轮对话，22 分钟，22 个测试全部通过。

Codex CLI：3 轮对话，31 分钟

第 1 轮（12 分钟）： 👤 同样的需求描述 🤖 自动触发 /plan： → 输出 6 步计划 → 我等了 2 分钟读计划 → 确认 计划执行： → 创建 api_key.py → 创建 middleware.py → 注册路由 → 每步执行后自动检查 → 写完就跑测试：全部通过 → 比 Claude Code 慢，但每一步都很稳 第 2 轮（10 分钟）： 👤 "加上 scope 权限控制和使用统计" 🤖 再次 /plan → 输出 3 步子计划 → 我确认 → 执行。这次没有 test fail。 → 但多花了时间在"过度谨慎"上—— 改一个字段，Codex 会确认两遍。 第 3 轮（9 分钟）： 👤 "加完整测试" 🤖 自动生成 14 个测试 → 跑测试 → 全部通过 → /review 自查 → "建议给统计接口加缓存，避免频繁查询" 总计：3 轮对话，31 分钟，22 个测试全部通过。

OpenCode：5 轮对话，28 分钟

第 1 轮（7 分钟）： 👤 同样的需求描述 🤖 没有 /plan，直接开始 → 创建 api_key.py（结构有点"教科书"，不够贴合项目现有风格） → 创建 middleware.py → 和 Claude Code 输出质量接近但稍微粗糙 第 2 轮（6 分钟）： 👤 "model 的风格和项目现有的 models/user.py 不一致， 看看 user.py 然后改一下" 🤖 读 user.py → 调整 api_key.py 的风格 → 这次一致了，但多花了一轮对话来修正风格问题 第 3 轮（6 分钟）： 👤 "加 scope 权限控制" → 正常完成 第 4 轮（5 分钟）： 👤 "加使用统计" → 正常完成，但 middleware 中记录使用的代码有点重复 第 5 轮（4 分钟）： 👤 "加完整测试 + 重构一下 middleware 里重复的代码" → 完成 总计：5 轮对话，28 分钟，22 个测试全部通过。

四维对比

一、代码质量

三份最终代码的核心差异：

结论：Codex CLI 代码质量最高（因为 /plan 先行，每一步都经过审查），Claude Code 紧随其后但需要更多迭代修正，OpenCode 需要更多人工干预来对齐项目风格。

二、开发速度

从需求到全部测试通过： Claude Code ██████████████████░░░░ 22 分钟 OpenCode ██████████████████████ 28 分钟 Codex CLI ████████████████████████████ 31 分钟

但只看时间会得出错误结论。更细致的分析：

Claude Code 快在哪？ - 不用 /plan，直接动手（省了 3-5 分钟/轮） - 对话更自然，不需要"确认计划"这个步骤 Codex CLI 慢在哪？ - /plan 生成需要 1-2 分钟，阅读和确认需要 1-3 分钟 - 每步执行后自动检查，多了一道工序 - 但慢的这 9 分钟换来了更少的返工和更高的代码质量 OpenCode 慢在哪？ - 风格对齐多消耗了一轮对话（6 分钟） - 没有自动的风格学习机制

结论：快速迭代选 Claude Code，一次做对选 Codex CLI。

三、交互体验

交互风格差异：

Claude Code： "你要 X？好，我开干了。" → 速度快，但有时需要你拉住它。 Codex CLI： "你要 X？我先想想怎么做。" → 计划阶段让你安心，但每一步都要你点头。 OpenCode： "你要 X？好的。" → 像 Claude Code，但没有那么精细的"品味"。

四、成本对比

* OpenCode 如果用 DeepSeek 可低至 $15-30/月。

成本结论：同模型下三者成本几乎一样。真正的成本差异来自"你选什么模型"，而不是"你选什么工具"。OpenCode 的成本下限最低（可以用 DeepSeek 等低价模型）。

Benchmark 数据对照

除了自己的实测，还参照了已有的第三方评测：

* OpenCode 的成绩取决于所使用的底层模型。这里用的是 Claude Sonnet 的结果。如果用 GPT-5.5 或 DeepSeek，成绩会变。

解读：

• SWE-bench 测试的是"修复真实 GitHub Issue"的能力——Claude Code 领先
• Terminal-Bench 测试的是"终端命令的正确性"——Codex CLI 领先（/plan 的作用）
• OpenCode 作为框架，成绩更依赖底层模型选择

各自的甜区和雷区

Claude Code

甜区： ✅ 前端开发 + 快速迭代（改 UI 看效果 → 改 → 看 → 改） ✅ 日常高频编码（你很清楚要做什么，一小步一小步描述） ✅ 重度 Skills/MCP/Hooks 配置（生态最强） ✅ 单人项目的端到端开发 雷区： ⚠️ 复杂架构重构（没有计划先行，容易跑偏） ⚠️ 长任务自主执行（没有 /goal，需要持续引导） ⚠️ 高安全要求的项目（比 Codex 的 sandbox 模式弱）

Codex CLI

甜区： ✅ 复杂任务（先计划再执行，不会跑偏） ✅ 长任务（/goal 挂后台，不用管） ✅ 多方协作（Subagent + Worktree 并行） ✅ 安全敏感项目（三级权限 + sandbox） 雷区： ⚠️ 快速原型（/plan 的 overhead 在这里是累赘） ⚠️ 高频微调（每一步都要确认计划，节奏慢） ⚠️ 生态不如 Claude Code（缺少 Skills 和 Plugin 系统）

OpenCode

甜区： ✅ 预算极度敏感（配低价模型，成本降到 1/10） ✅ 私有化部署（数据不能离开内网） ✅ 需要多模型混用（不同的任务用不同模型） ✅ 深度定制需求（开源，可以改代码） 雷区： ⚠️ 开箱体验不如商业产品（需要自己配置和调教） ⚠️ 代码风格适应性较弱（不自动学习项目风格） ⚠️ 社区生态较小（Skill/Plugin 数量不是一个量级）

什么时候混用更高效

我实际工作中的混用策略：

需求到来 │ ├─ 需求是否明确？ │ ├─ 很明确 → Claude Code 直接执行 │ └─ 比较复杂 → Codex /plan 生成计划 │ ├─ 任务是否可以并行？ │ ├─ 可以 → Codex + Subagent 并行 │ └─ 不行 → 单工具串行 │ └─ 成本考量？ ├─ 正常预算 → Claude Code / Codex └─ 预算紧张 → OpenCode + DeepSeek

实际协同案例

上周做的一个真实功能——"给 CMS 加全文搜索"： 1. Codex /plan（5 分钟） → 生成 8 步计划 → 我删掉 2 步不必要的，调整顺序 2. Claude Code 执行步骤 1-4（15 分钟） → 数据库索引 + 搜索接口 + 前端搜索框 → 快速迭代，每做完一步我确认 3. Codex /goal 执行步骤 5-8（后台跑了 40 分钟） → 中文分词集成 + 高亮 + 搜索结果排序 + E2E 测试 → 我去开了个会，回来就做好了 4. Claude Code /review（3 分钟） → 审查全部改动 → 两个小问题 → 修复 → 合并 总耗时：我实际参与 ~20 分钟，AI 自己跑了 ~40 分钟。 如果用单一工具串行做，预计需要 90 分钟以上。

混用黄金法则

1. 计划交给 Codex，执行交给 Claude Code → Codex 的 /plan 是三个工具里最好的计划生成器 → Claude Code 是三个工具里最快的执行者 2. 简单 + 快节奏 → Claude Code 复杂 + 需要谨慎 → Codex CLI 省钱 + 私有化 → OpenCode 3. 不要让任何一个工具做它不擅长的事 → 别让 Claude Code 做 30 分钟以上的长任务 → 别让 Codex 做高频的 UI 微调 → 别让 OpenCode 做需要强大生态支撑的事

没有"最好的工具"，只有"最适合的组合"

经过这次横向评测，最重要的结论是：

单一工具的得分差异很小（都在 70-85 分区间）。但组合使用后，得分可以到 90+。

不要陷入"选哪个"的纠结。三个都装。不同场景切着用。

延伸阅读

• SWE-bench Verified
• Terminal-Bench