一直以来，Anthropic 的 Claude 被认为是处理编程任务的最佳模型，尤其是本月初发布的 Claude Opus 4.1，在真实世界编程、智能体以及推理任务上表现出色。其中在软件编程权威基准 SWE-bench Verified 测试中，Claude Opus 4.1 相较于前代 Opus 4 又有提升，尤其在多文件代码重构方面表现出显著进步。 不过，在刚刚过去的这个周末，Claude 最强编程模型的地位似乎开始动摇了。OpenAI 同样本月发布的 GPT-5 在编程赛道获得了越来越多人的青睐与使用。 有人发帖称，他基本已经完全不用 Claude Opus 了。现在同时开着几个 Codex 标签页，让 GPT-5-high 分别在三个代码库（HVM、Bend、Kolmo）上处理不同的任务。AI 编程进展从未如此迅速。他的工作基本上就是将定义清晰的任务交给 Codex，然后审查代码输出。 他还特意强调，这不是 OpenAI 打的广告。他只是觉得这个模型真的非常强大，而人们没有看到这一点。大多数人还只是将聊天机器人当作「女友」或其他用途，而不是用来协助完成复杂的编程任务。 另一位推特博主、CoreView 联合创始人兼 CTO Ivan Fioravanti 也表示，他现在主要用 Claude Code，但 Codex-CLI 搭配 GPT-5 reasoning high 逐渐获得了他的更多信任。至于谷歌的 Gemini CLI，他都没开始深入研究。 该模型在指令遵循方面表现出色，可以放手让它处理更复杂的任务。此外，它在大规模重构任务中尤其给力，只要下指令「把这个改得更像那个」，它就能处理得很好。 粉丝近 20 万的推特大 V、e/acc 思潮创始人表示，根据他在旧金山听到的一些「小道消息」，现在很多人私下里其实更喜欢用 GPT-5 来写代码，这和流行的「Claude 更擅长编程」的叙事恰恰相反。 从这些人的反馈来看，GPT-5 编程能力更强似乎已经成为了一个不争的事实。与此同时，reddit 社区今天有一个帖子提到，「GPT-5 的幻觉率和通用实用性显著优于 Claude。」 帖子的主角是一位软件工程师，主要使用大语言模型来做编程、架构等工作。他开始注意到，Claude 在很大程度上其实是个「偏科型选手」（one-trick pony）。该系列模型只在写代码时表现出色，但一旦超出这个领域，幻觉率就高得离谱，结果也很差。 不过，他还是要给 Claude 加一分，它在写作上的「温度感」更强一些，尤其把它当成学习伙伴时。而 GPT-5 作为学习伙伴时，经常会把答案伪装成一个追问。相比之下，Claude 则保持了一种更严格的学习伙伴风格，它会引导你逐步接近答案，而不是直接把答案给你。 然而，GPT-5 的幻觉现象较少，搜索功能也相当不错。他举例称自己之前在找一款带有非常具体尺寸、颜色等要求的收纳抽屉。GPT-5 思考了大约 2.5 分钟，并进行了多次搜索，最后给了他一个几乎完全匹配的结果。而在那之前，他自己在 Amazon、Walmart、Target、Wayfair 等网站上搜了两个小时都没找到。最后他直接下单买了 GPT-5 推荐的那款。当他把完全相同的查询交给 Claude Opus 4.1 时，它不仅给出的尺寸选项比他要求的小得多，还找了一堆借口。 与此同时，在健康医疗类的问题上，Claude 的幻觉非常严重，这很危险。它经常把一些内容当作事实来说，但这些内容恰恰与医学界公认的结论完全相反。相比之下，GPT-5 的幻觉率要低得多。
