这周的编码 Agent（AI 编程工具）圈，出了两个看似矛盾的结论。
一边是 8 月 5 日公布的 DoltHub 年度编码 Agent 评测：Codex 第一、Claude Code 第二、Grok Build 第三，社区投票里 65.3% 的人把 Codex CLI 当日常主力。知乎另一边，Claude Code 依然是质量标杆，盲测胜率约 67%。
“Codex 最强"对"Claude 还是王”——如果你正好是纠结这个月要不要续订的订阅用户，或者是观望许久准备第一次上车的人，大概率被这两条信号撕扯。我把这周的信息全部过了一遍，先说结论：这一轮王座变动，不是让你弃坑谁的信号，而是让你可以更精细地选择的信号。
这周到底发生了什么
先捋时间线。
8/5：DoltHub 年度评测，Codex 登顶，赢点是"耐力"——goal mode 长时无人值守、远程电脑操控、额度按需刷新；
8/7：GitHub Trending 前五被 Agent 装备链包揽，Cloudflare 一天双发给 Agent 配"无头电脑"和"操作系统"，mattpocock/skills 总星数冲破 206k，Skills 开始能在 Codex 和 Claude 之间共用；
同一周：DeepSeek-V4-Flash 官方 API 公测并原生接入 Codex，Kimi Code 上线双端电脑操控。
把这些串起来看，主线只有一条：编码 Agent 的竞争正在从"模型层"移到"装备链"和运行时层。翻译成人话：工具之间的切换成本在快速下降，阵营忠诚度越来越没必要。
两个结论不矛盾，量的是两件事
很多人第一反应是：评测造假。并不是。
DoltHub 评测量的是"耐力"——能不能长时间跑、能不能无人值守、额度够不够；盲测量的是"单次质量"——同一个需求，谁的代码更稳。Codex 赢的是前者，Claude 守的是后者。胜负手确实变了：从"谁写得好"变成"谁跑得久、跑得快"。
这也解释了社区的现状：写单个模块，Claude 还是那个 Claude；但 overnight 把任务交给它跑，更让人放心的是 Codex。一位用了一年多 Claude Code 的重度用户说得很直白：Claude Code 确实强，但致命问题是封号和额度；而 Codex 经过几轮模型迭代，编码能力已经不相上下。知乎
更底层的变化是：模型和工具已经绑死——Anthropic 的模型配 Claude Code，OpenAI 的模型配 Codex。单一工具的护城河在变薄，你忠诚于谁，最后忠诚的都是背后的模型。
Claude 阵营真正的焦虑：慢、贵、限流，外加一根刺
"慢、贵、限流"三座大山是老生常谈，今年又多了一根更扎心的刺。
6 月底，社区开发者逆向发现：Claude Code 在 v2.1.91 到 v2.1.196 左右（约 4 月到 6 月）的版本里存在一套检测机制——当 ANTHROPIC_BASE_URL 指向非官方中转时，会检查系统时区（比如 Asia/Shanghai）和中转域名，约 147 个域名命中黑名单，波及 Hacker News 和国内多个技术社区。Anthropic 没有公开回应，但如果你正是国内中转用户，那段时间的封号潮大概率与此有关；直连官方的用户不受这个机制影响。知乎
但反向信号同样值得看。Indagari 信用卡数据显示：Claude 付费用户上半年涨了约 75%，转化率 13%（ChatGPT 为 8%），美国移动端客单价从不足 0.5 美元冲到 2.76 美元，是 ChatGPT 的 1.5 倍。知乎翻译一下：在高质量编码场景里，付费意愿比很多人想象的强——质量护城河并没有塌。
国产平替：账单真香，但 harness 还嫩
如果海外订阅让你头疼（付款、封号、中转），这周的国产选项刚好升级了两轮。
DeepSeek-V4-Flash 官方 API 公测：输入 1 元/百万 token、输出 2 元，缓存命中时输入只要 0.02 元，价格是 V4-Pro 的三分之一左右。对编码 Agent 用户更关键的是，它在专门测试 AI 自主执行终端任务的 Terminal-Bench 上拿到 82.7 分，反超自家 V4-Pro 预览版（72.1 分），而且原生支持 Responses API——不用协议转换，直接就能接进 Codex；用 Claude Code 的，也能借开源工具 CC Switch 切换。不用魔法、不怕封号、按量付费。知乎
接入方式也变得极简：DeepSeek 官方给了配置脚本，跑一遍、选一下模型，就能把配置写进 Codex，启动横幅显示 deepseek-v4-flash 即生效。
Kimi 这边：2.8T 参数的 Kimi K3 已经开源，Kimi Code 支持双端电脑操控，199 元/月的套餐把成本封顶。但也要说实话，社区实测的吐槽同样存在——一次调用只能 patch 一个文件、记忆机制远不如两家成熟。知乎模型追上了，harness 还需要时间。
还有完全免费的选项：字节的 Trae，有用户一分钱不花用它手搓了一整套教师档案管理系统。知乎
四类人，四种选法
说完这些，回到最实际的问题：订阅要不要换？我的判断是，别问"哪个最强"，问"我有什么任务"。
你的情况 | 建议 |
|---|---|
已订 Claude，以高质量短任务为主 | 不用换阵营，回直连官方、停用中转，质量仍是它的护城河 |
常跑长任务、无人值守自动化 | Codex 是耐力型选手，可以考虑把它当主战场，已有 ChatGPT 订阅的话额度本来就包含 |
订不了海外/怕封号 | DeepSeek-V4-Flash 接 Codex（或 CC Switch），或 Kimi Code 199 套餐，按量付费试错成本最低 |
还没上车的观望者 | 先别买高价套餐，从 Codex 免费额度和 DeepSeek 按量付费起步，等工作流成型再决定 |
再从成本维度看一眼，差距更直观。在 Artificial Analysis 的智能-成本图里，Claude Opus 5 站在智能曲线顶端，但也落在单任务 2 美元以上的高价区；GPT-5.6 Sol 差不多；而 DeepSeek V4 Flash 把成本压到单任务 3 美分左右，智能还守在 50 分线附近。对高频、大体量的使用者来说，这是"每天一杯咖啡"和"每次几分钱"的差别。
三个值得继续盯的信号
Anthropic 已秘密递表、估值逼近 9650 亿美元，IPO 定价会直接决定 Claude 今后的订阅定价策略，涨不涨价值得盯；
Skills / Agent Plugins 互通规范：同一套技能在 Codex 和 Claude 之间共用的需求已经被社区顶上了台面，规范成熟后切换成本还会再降一档。知乎
国产 harness 的追赶速度：模型能力收敛得很快，体验差是最后一个变量。
最后一句心里话：AI 订阅本质是消费，消费应该服务于你的使用场景，而不是阵营感情。把自己任务清单上的质量、耐力、预算三项排个序，答案自己就出来了。
