Codex费用对比其他AI模型

codex 跟 c c 到底哪个好？我想大家各自都有自己的判断。在我个人为二者都充了二百刀的 pro max 会员以后，我个人的体感是 二者的模型能力之间并没有本质的差异，甚至都足够惊艳，让人心喜。但它们其实代表了两种完全不同的人。与 ai 合作的费洛索费 本质上，我们不是选择两个工具，而是选择两种与 ai 交互的模式。你习惯使用哪种模式，你的工作场景是哪种模式，你就应该选择支持哪种哲学的普顶工具。通常来说，抽象的讲， 软件工程开发的模式可以粗略地分为两大类，首先一类是那些探索性不确定的 idea。 在这种场景下，我们自己可能对需求要做什么，最终的一个中态是什么，甚至过程中该如何实现，它都没有一个明确的定义，它更多是我们一个拍脑袋的灵机一动的想法。当我们解决这类问题时，我们期待的一个 partner， 无论是不是 ai， 它应该都要能 快速的与我们进行交互，通过一些他主动的提问甚至判断给我们更多的信息输入，通过一系列的沟通，最终确定出一个相对更结构化，信息密度更高的思维原型来指引我们后续的执行。 而另一种常见的工作模式则是一个更明确的需求，比如说产品已经给我们了相对明确的 p r d， 那 我们剩下要做的只是说把这个项目 真正转移为一个可以被执行的代码而已。对于绝大多数的研发而言，这种场景下想要做的事情是基本完全确定的，我们在此时要做的无非只是一些 dirty work， 把那个 p r d 转化为真正写出来可用的代码而已。 而结合我自己的使用经历来看， c c 更适用于前者者的工作模式。它会在你输出一些观点之后快速地给你响应，并且高频地向你发出提问，以确定它后续的一些方向执行思路。但 codex 则完全相反，它会在你给完需求以后， 非常认真且可靠地将你的需求描述执行完。这个过程会花很长的时间，但是 结果往往是令我们满意的。想要更明确的拆分这两种工作模式的分野，我们不如从三个维度上来进行拆分，首先是任务商，也就是目标的清晰程度以及约束条件的多少。其次则是以我们预期的交互结构， 我们到底期待着与其他 partner 是 同步的沟通，还是说是一些异步的沟通模式？另外则是一个人类所占主动性的比例， 我们到底期望 ai 占据多少责任？他们是只是执行任务，还是说给我们也有一些他自己的认识建议？其实这三者并非是一个非常正交的关系。一个很明显的结论是，如果一个 目标的本身并不清晰，只是我们拍出的粗糙 idea， 那 我们显然就需要我们的协作者能快速的发问，帮我们把 自己大脑中一些比较模糊的观念导出出来，并且通过一些沟通确定哪些思考是我们需要的，哪一些是可以被删除的。通过这种 快速的同步沟通，得出来一些更结构化的结果，那在这个流程中， ai 需要介入的部分以及引导的主动性就会占比更多，但如果这个需求本身就像我们之前讲的已经相对来说明晰，是一个低伤的场景，那我们就不太 需要。它是一个很同步，事无巨细都要向我们发问的流程，它完全可以在我们把事情说清楚之后，一步的完成这个工作，从而解放我们人类自己的时间。我们也不需要给他太多主动发挥的空间，他只需要忠实的执行我们给他的需求就可以。我觉着对未来工具的使用以及工作流的设计，也都是从这三个维度去进行判断，动 态的选择。我们到底适用于哪种工具，应该主要采用哪一种工作流的思路？如果要打一个比方的话， c c 更像是坐在你隔壁工位的好蜂蜜， 会在有了一些 idea 之后立马的打断你现在的所作所为，跟你去探讨它的一些碎片化想法。而 codex 则更像是一个你忠实可靠的下属，在你交代完任务需求以后，忠实的可靠的帮你把事情完整的办完再通知你。我已经做好了。 每个模型都有它们自己的性格，我们也可以顺应的这种性格，在不同的工作场景中选择不同的工具以及模型。 以上是二零二六年二月我对这两个投影工具的一些使用场景总结，但我相信这个领域是日新月异的，二者工具之间 大概率在未来也会发生一些融合。不会说一个工具只是一种工作流场景，那就需要我们未来本身人类自己有一些对需求使用场景的预判，从而能告诉模型它应该采用哪些工作流模式。软件工程永远没有银弹， 不可能说我们用着一种模式，一条道走到黑，就可以得到一个很完美的结果。如果你在错误的场景使用了错误的工作模式，那模型给你提供的支持也就会非常有限。 结合自己的需求，场景动态切换自己的工作流模式才是一个更高效率开发的必经之途。以上是本视频的全部内容，如果你有一些想法或者建议，期待评论区讨论，谢谢大家！

别再研究跑本地模型了，没有什么意义，还是花钱去买偷看吧。本来想看看这个本地模型，现在是这个千万三点五九币的，他的能力怎么样？做了个小测试啊，让他给我写一个俄罗斯方块的小游戏， 我觉得应该是个很简单的任务，写了一整天，写都写不好，各种各样的 bug 呀，然后报错呀，无法运行啊等等。用 workbody 去给他调试和修改。还是这个 workbody 比较厉害啊， 然后给这个给 hermes 安装了几个呃 skill， 然后也是有问题，然后就让这个 workbody 去给他改。 刚开始有一些问题，改的还比较不错，后来就越改越夸张，越改越乱，改来改去找不到问题出在哪里就去改我的系统代理，改我的这个 telegram 连接，然后给我改的 telegram 跟 hermes 连接不上了。改的这个，呃， hermes 调用这个浏览器调用不出来，而且这个没有网络连接了。 这 workbody 自己就在这无限的改这改那，改了一一下午也没改好，实在不行了，不用 workbody 改了，把这个问题啊，然后又发给这个呃 codex， codex 五分钟不到，把所有问题全部改好，全部解决了。所以真的别用本地大模型了， 也最好别用国内模型，真的能用这个国际模型就用国际模型。我不是专业搞编程的，我没有用过这个 cloud code， 但是就我自然语言的理解啊，就我用过的，我觉得 codex 真的 牛逼啊，还是用 codex 吧。

好了大家今天呢，我们来聊聊 ai 模型的收费方式。当免费都用完了，新手小白应该怎么买适合自己的模型套餐呢？ 那现在的收费方式五花八门的，有的按 token 计费，有的按次数收费，还有的按输入输出分开计费等等。那花了一周的时间，我整理好了市面上主流的模型收费方式，今天这期视频我就用一张图给你讲清楚，你到底适合哪个方式，那记得点赞、收藏、关注，我们正式开始。 那所有的 ai 收费方式呢？横竖拆下来，本质上就两个问题，第一个，钱付给谁？两个选择，要么给模型的官方，要么付给模型的中间商。那第二个问题，怎么付费？要么包月按套餐付，要么用 api 消耗的 token 付费。 两个问题交叉就出来四个格子，每一格代表一种付费的方式，包含了大部分的 ai 模型。接下来我们就具体讲讲这四个象限里的收费方式以及如何选择。 第一类，官方会员订阅指的是在官网买不同梯度的会员套餐。以 cloud 为例，它的包月套餐有两类，小流量包 pro 二十到一个月，大流量包 max 一 百到两百到一个月。 这里的会员套餐就像你每个月给手机买的流量套餐，按一定额度和使用次数收费，超过了额度就会限速或者是额外收费，等下个月再重新开始。那这种方式最大的好处就是稳定正规。但国外的套餐在网络问题上还有支付方式上都有一定的门槛， 大家根据自己的情况，还可以从以下三个付费方式里挑选出最适合自己的。第二类，第三方套餐订阅。 a， 模型公司把模型授权给到大平台， 大平台再以他们定的套餐标准卖给用户，这就是第三方的套餐订阅。背靠大厂的火山云、阿里云、腾讯云或者是 cursor winserve github 等这类 ida 平台都有自己的第三方套餐。甚至是最近的三大运营商移动、联通、电信也开始卖 api 套餐了， 比如说上海电信，一块钱堆二十五万额度点，而且是从手机账单里直接扣费，这完全就是新时代的流量包嘛。那这些大平台就像是模型公司的经销商，经常是降价赚吆喝，想方设法的把用户留在自己的平台上面。 而且第三方套餐确实有几个很显著的优势。那第一点，它的入手门槛很低，价格从四十块钱到一千块钱一个月不等，你可以根据用量灵活的选导。那第二点不被一个模型所死，可以在第三方套餐里丝滑的切换 deepsea 或 mini max。 第三点用起来真的方便， 支持国内直接付费，而且是火山引擎、阿里云这类大厂备收的平台，省心又安心。但像小龙虾等这类 ai agent 应用出现后呢， token 的 消耗猛增，所以现在套餐的额度都在收紧，主要是三种限制，第一种是限时， 比如说每五小时只能发固定的条数，防止你批量任务一下子消耗太多的 token。 那 第二类是限量，比如说充一百块就给你三百块，等额的 token 用完就结束。第三个是复合计件， 把工具调用的次数，推理的步数全打包在一起。好的，那以上呢，就是按套餐收费的两种形式，可以基本包含新手小白的大部分需求， 那如果你对 token 的 消耗有着明确且大量的需求，再来看看用 api 收费的形式。第三类，官方 api 按量收费，这个方式最直接，就像你家的电费，用多少交多少，靠打表计费。那 ai 的 计费单位叫 token， 可以 粗暴理解为 ai 字数， 接入官方的 api， 连上大模型后，你发给 ai 的 字， ai 回你的字，一来一回都要计费。需要注意的是，不同模型的 api 计价的差异会非常的大， 像 cloud 的 旗舰版模型 open 四点七，输入每百万 token 是 五美元，输出每百万的 token 是 二十五美元。那国产的 mini max m 二点七模型，输入每百万的 token 只要零点三美元，输出每百万的 token 只要一点二美元，便宜了将近十七倍。 所以在不同的任务需求上，可以灵活的搭配各家的模型。简单的任务呢，用便宜的模型，复杂的任务，再用旗舰版的模型，整体的成本就能压下来。那用官方 a p i 的 好处就是实时计价，不像套餐那样用完没用完都是这个价， 但是需要自己配置。 apikey 有 一定的技术门槛，而且呢需要自己盯账单，所以比较适合进阶型选手。第四类就是最近特别火的第三方 api 中转站，你可能听说过孙雨辰在做，董王家族在做，猎豹浏览器的富顺也在做，很多人都在做，但这一格的坑也是最多的。 那什么是中转站呢？它的本质就是一个偷看的中间商，拿着自己买来的 apikey， 帮你把请求转发给 cloud 或者是 gp 模型，再把结果送回来，中间赚一个差价， 那价格确实会便宜不少。但有三个风险，你必须提前知道。风险一，模型可能会被调包。比如说你付了 cloud 的 旗舰版的模型，但他有可能实际给你跑的是其他模型，而且你几乎看不出来。 像二零二六年欧洲一家信息安全机构调查了十七家中转站，发现百分之五十存在模型调换的情况。风险二， 数据安全有隐患。因为你的每条对话都需要经过第三方的服务器，如果你的信息都要经过一个陌生人的电话转接，虽然听不听是他的事，但你的信息就在他手里过了一遍，有潜在的数据。风险第三点，如果第三方的中转站哪天突然关门了， 你充值的钱可能就追不回来了。推荐大家用有背书或者是更大型的 a p p 中转站，像目前最权威的还是 open rotor， 大家已经习惯看上面的模型的量来选择模型。如果你要尝试一些新的中转站，首先要确保自己的数据不是机密数据。其次，尽量不要一次性充太多的积分，随时能止损。我把市面上主流模型的付费套餐汇总成了一张统计表，放在了评论区，需要的朋友们可以自取。 我用四个场景帮你选好方案，你只要根据需求对号入座就行。第一档，日常的轻度用户。如果你平时高频的需要跟 ai 对 话，用来写文档、查资料，不用折腾，直接开官方入门会员就好了。首选 cloud pro， 二十刀一个月。如果 cloud 访问有问题的话，可以选叉 gpt plus， 同样也是二十刀一个月，那最新的五点五模型非常的好用。如果你是谷歌全家桶的深度用户啊，那直接选 gemine advanced， 配合 notebook lm 做学习和资料的整理都特别的顺手。第二档，轻度编程加简单 a 整用户，如果你偶尔写代码跑自动化任务，那就开始有挑模型的必要了，不同模型的代码能力差距是非常大的，海外首选 cloud max 入门党，一百刀一个月的配合。 cloud code 是 目前最强的一个编程组合， 如果你搞不定 cloud 的 风控，也可以用 gpt pro 加 codex， 也是属于编程的第一梯队，非常的能打。如果你要用国内的模型，推荐的是智普 pro 的 glm， 五点一能跑，外部的 agent 框架在国产模型里也是最强的编程梯队。 第三档，如果你是重度编程加重度 agent 用户，每天都要跑 ai coding 的 话，这一档啊就就省不了了。 逻辑呢，就是一个高级会员打底在备一到两第三方套餐应急主力呢，是开 cloud max 两百到一个月的档位，或者是叉 gpt 的 pro 也是两百到一个月，结合到 codex 和 cloud code 现在都非常的能打。那为什么要再备一个第三方的套餐呢？ 因为重度的用户很容易就撞上这个五小时的限额，或是撞上这个周度的限额，一卡就是干的，所以有第三方的备选套餐就可以直接切换，丝滑的过渡。那备选的推荐火山引擎的 agent plane 或者是智普的 coding plane， 或者呢是用 open rotor 充点余额去应急。 那这一档其实还有个省钱的玩法，就是把已经跑通的固定工作流换成 mini、 max、 m 二点五这类性价比特别高的某些 api 来跑，整体的成本就能降很多。 这一套组合的核心思路呢，就是用主力模型保性能，用第三方套餐保连续性，那同时用低成本模型保自动化，好。最后一等就如果你是专业或者是企业级用户，要接近自己的产品，批量的调用，而且是要稳定的服务的话呢，就直接走官方的 a p m。 原因很简单， 套餐容量再大也有上限，企业用量的话分分钟就会触达他限额。官方的 a p i 有 正式的 sl a 和合规的协议，可以开发票，还有企业版的定价，有专门的谈判空间，不是普通的套餐可以比的。好的到这里就讲完了，回头看一下，今天讲到的四项限是告诉你他们钱是怎么收的， 这个档位是告诉你我们钱应该怎么花，先想清楚自己的需求再去选方案，用量少呢就不用开高档的会员，用不完就是在浪费钱。那如果有真需求就别抠搜，用上最好的模型，你会明显感觉到事半功倍。 那你现在用的是什么 ai 模型呢？每个月你会花多少的费用在 ai 上面？欢迎在评论区分享。好的，那如果这条视频帮助到你的话呢，记得点赞收藏关注，我们下期再见！

哈喽，大家中午好，今天给大家介绍一下 codex 跟龙虾有什么区别。然后其实本质上它们是类似的一个产品，因为它们底层都是大模型加 mcp 服务，还有就是我们这类似这种数字员工的模式去构建的。然后呢，它的区别在哪呢？第一我总结一下 就是 codex 呢，它使用起来更方便。那第一是安装龙虾要安装的很多环境呢，然后呢，这个 openai codex 都把它集成好了， 这是第一点。第二就是它的这个操作界面使用起来比较简单啊，对吧？龙虾的操作界面是给技术人员用的，很麻烦，但是这个 codex 就是 像豆包一样，我们对话式的。 第二呢，它其实在很多插件的集成啊，智能化的工作流都给你集成好了，你直接开箱即用，用熟了就可以。 然后呢，包括获取电脑的权限，他也直接给弄好了。第三个点呢，就是说他内置的模型 gbt 五点四，五点五能力是很强的， 然后呢，对吧，他出错的概率很少，我这几天测的几个场景效果还是不错的，无论是让他处理邮箱去帮我下载对应的 youtube， 抖音的视频这些都可以。 但是呢，他有没有缺点呢？他也一样有缺点，因为他的技术价格跟龙虾是一样的，非常依赖授权。那对很多电脑，特别是 mac 没开放的这个权限呢，他也他也实现不了，但是对浏览器的应用呢，他操作是很简单的，这块实现效果是不错的 啊。然后呢，它同时也有一些缺点呢，第一呢，就是 gbt 的 这个 toc 呢，还是比较贵的，因为老外是美刀嘛。第二个缺点就是它的这个自定义模型起来比较麻烦，它目前内置的都是 gbt 的 模型，你如果用其他的模型 toc 更便宜的就比较麻烦。 第三点呢，就是他设置国外的产品，那国外我们都知道，我们去用的话，无论是网络啊、账号啊这些都有一些门槛，所以在他同时也有些缺点，但是这并不足以覆盖他的光环啊。如果大家对这块有兴趣的，我们可以随时交流。

现在 code 可以 直接使用 dc v 四了， code 确实好用，但是额度真的是不经烧，随便几个问题直接就清空了，又得等五个小时。所以我试着把 dc v 四接进去，烧了四 e token 之后，发现操作竟然很丝滑，体验也完全不输原版，关键是真的大碗便宜， 后面我会带你一步步接好。其实步骤是非常简单的，就三样东西， c c 叉， d c 的 a p i， 还有 c c switch， 而且工具我都已经整理好，你照着我这几部点，基本几分钟就可以搞定。 解压后先打开 c c 叉的文档，然后打开 emv 文件，里面会有一个密钥，这里你可以保持默认，也可以自己去修改一个。改完之后记得先保存，然后启动 c c 叉，它会弹出一个终端，你找到这个管理界面的地址， 然后按住 ctrl 键再点击，就会来到这个页面。进去之后把刚才 e v m 里面的密钥粘进去，就能够进入到后台，这里你可以顺手切成中文就行，这部分就基本搞定了。接下来我们去到 d c 的 官网，点击 api 开发平台，第一次进来得先注册一下，然后点击左边的 api key， 新建一个 key， 名字可以随便填。创建完记得先保存好，因为它只会显示一次。然后回到 c c 叉上面，选择 code， 中间点击添加频道，这里就可以直接把这个文档粘进去。最下面把刚才复制的 a p i 粘进去，创建就算成功了。记得顺手做两个设置，一个是选一下 openchain， 另外一个是把规范化，非常健 打开。这一步搞定， d c 其实已经接近来了，然后打开 cc switch， 点击上面的这个标志，右边新增一个配置，具体的参数你可以按照这个来就好。这里有三点是需要注意一下， 首先，这里的 api key 不是 d c 的 那个，是一开始 emv 里面的那个密钥。第二点，点击一下这个获取模型列表，就不用自己手动去填写了。第三点，把 e m 上下文窗口勾上，这样子才能全力去跑，下面这些都不用管，填完之后直接点击保存， 然后点击启动，最后把 codex 安装或重启一下，到了这一步就已经接好了。打开之后， codex 这里不是显示 d c， 它只会显示自定义。别慌，这个时候你随便发一句话，先试试能不能是正常使用。然后直接去看看 cc switch 的 使用记录，你会看到模型这一栏已经变成了 d c v 四 pro， 来源是 codex， 那 说明已经是链接成功了，也就是说后台真正在跑的已经是 deepsea 了。最后我补两个词，已踩过的坑。第一个坑是 cc switch 最新的版本，现在有 bug 会连不上 codex， 所以 别手痒去更新，直接用包里面的版本就行。 第二个坑是 d c v 四没有视觉能力，所以一旦你平时有看图识图这类型的需求，进来之后可能会有部分的能力用不上。不过好消息是这套流程本身是通用的，你可以直接换成其他的多模态模型，思路也是一样的。我是木马，陪你一起玩 air 赛博达子，咱们下期见，拜拜！

很多人用 codex 第一步就错了，前两天我发了一条用 codex 做标书的视频评论区，最让我意外的不是大家不会用，而是很多人还在研究怎么去接这个中转站，怎么去用这个便宜的模型啊。我的观点很简单，就是 你用 ai 去做正经的任务，最不该省的就是模型钱，因为真正贵的它不是调用的，这个费用是返工的成本。 好的模型，你十次里面可能错一次，你检查一下，修复一下就 ok 了。但是你差一点的模型，你十次里面可能会错三次，甚至错五次，每错一次，你都要重新去判断这个逻辑对不对啊？结果能不能交付啊？后面还有没有坑 对吧？就是这里可以看一下啊科特官方的这个 benchmark 的 图，它不是为了证明某个模型永远是第一，而是说明了一件事情，就是在真实的编码的这个场景下，就长模型之间的差距都很明显了，更别说你用这个便宜的模型去代替。 所以如果你只是玩一玩的话，用什么都可以。但是如果你要写方案，要要写代码，去做商业的分析，甚至是你呃，要任何交付给这个别人的东西，你都要用， 就是你直接能用最好的模型就用最好的模型啊。再说 codex 跟 cloud code， 如果你是中文用户，尤其是在国内使用的这个环境下，我会更加偏向 codex， 因为 astropica 它对这个中国的用户限制更加的多，然后它的表述也不是很友好。 而 codex 在 我的使用体验里面的话，它不管是成本啊，能力啊，还是这个中文场景的平衡，它要做的更好一些。就如果说只是国内的 ai， 那 我推荐豆包，而如果是复杂的任务，我还是推荐 codex。 就是 最后一句话， ai 工具它不是说谁单次调用更便宜，它就它就是更便宜的，而是能够让你去少返工，更少的犯错，稳定的能够去交付，所以才是真正的便宜。

你们一定一定一定要想办法去用上 codex 跟 cloud code， 我 觉得这个真的是普通人能够用最小的一个成本去接触到目前全球最前沿的一个 ai agent， 就是 大家现在是不是还停留在说，哎，我们大模型有一些啊， cloud 啊，或者说 gbt 啊这些，或者说可能有的同学还在用豆包啊， deepsafe 啊这些大模型阶段，那实际上目前最前沿的一些 ai 落地，你会发现它的 ai agent 跟大模型又相差的非常的大，就是你们没有踏出这一步，你们完全就没有感受到啊。 呃，为什么我觉得说 codex 是 我们普通人最低成本去用上最前沿的东西，反而不是 cloud code， 主要的原因的话是 cloud code， 其实如果你要用上，你会去遇到各种封号啊，用 ip 啊这种形式，对吧？对于你的一个使用的门槛会还是相对比较高的，但是 codex 它不一样，为什么我解释非常解释的 简单的跟大家讲这个事呢？就是它的量大管饱，什么叫量大？就是 token 啊，它的量大，然后呢它又便宜，它不像 codex 一 样，比如说你啊，一个月你去买一个 plus 或者二 max 的， 你用八百多块钱一个月，对吧？你 gpt， 你 不用 gpt， 你 目前你可以在一些公开的一些地方，你可能大概一百八，对吧？你可以买到，你可以用的非常的舒 服。一旦你去下载了一些 code， 一个 codex， 你 会发现你的整体工作流程会完全不一样啊。我们拿产品经理举例， ai 产品经理， ai 运营或者 ai 卷方案举例，呃，拿最基础的一个流程就是调研，对吧？你调研也好，或者说你去做啊，设计，写日常的文档也好，实际上你很大的工作都在写，对吧？那你写你， 你写，你不管用 ai 智能写也好，或者说大模型写也好，都可以，但是 ai 智能它可以去搜搜索你本地所有的一些能力，对吧？你的一些文档沉淀去给它，通过通过充足的上下文，你去给它写出更好的一个文档，同时的话也可以去调用一些 他自己，去调用一些你自己以及沉淀的一些 skill， 对 吧？你去自己只要你能够把一个流程给 s o p 给沉淀下来了，后续沉淀成 skill 之后，你无后续，你只要无限的跟他说，哎，你帮我调用这个 skill 啊，那可能是比如说给你画一个图，写一个 p r d 啊这些，你只要说这句话，它就无限的非常轻松的给你产出符合你要求的这么一个文档出来。 所以说对于你整体的工作的提效是大家没有办法想象中的那么高效的。我已经要求我们公司的人或者说我自己的学员，你们必须要不就用 kol 的 kol， 要不就用 kol css， 你 们必须使用你。 如果说 ai 时代你没有去用这种最前沿的一些 ai 的 agent， 实际上你会发现，哎，你的认知还是在自己的一亩三分地里面啊，那 我没有要营造一些任何的焦虑，我真的希望大家能够用上这些 ai 政策，然后去改变自己的整体的工作方式，因为我们目前我们公司的工作方式就已经变成了 ai， 想 ai 做，对吧？人每天做的什么？跟 ai 对 话， ai 去人去审核，剩下的所有事情都是 ai 做，那你一想你的工作效率提升的会极度的快啊。所以说，哎，我们 这个是真的是我觉得最低成本最快的去提升我自己的一个工作效率也好，或者说我的认知 ai 认知也好，去提升我的 ai science 也好啊，这个产品就叫做 codex， 大家可以去他的官网去下载，非常简单，没有任何的门槛啊。

你用 codex 成本高，很可能不是用不起 ai， 而是模型没接对，就很多人用 codex 只会配默认的配置。就是如果你 开始写高频，写文案，做 ppt 或者跑代码处理资料，你会发现一个问题，就是调用成本会越来越明显啊，这时候就去接这个 deepsea v 四这类模型就是一个很实用的思路， 逻辑很简单，就扣袋子负责工作流， deepsea 负责模型能力，就是一个负责操作，一个负责这个输出，就搭配起来成本会降低一点，中文场景也更顺手。 就大概这几个流程啊，第一步就是去 deepsea 后台拿官方的 api key， 第二步准备一个 cc switch， 第三步，把 api key 填配进去 啊。第四步，在这个 c c 维 switch 里面扣代词，去添加模型供应商啊。第五步就把请求地址填成这个本地的这个地址，这里有个坑啊，很多人会填错啊， apikey 就是 delete 的 这个，但是请求地址很多人就不会填，叫后台地址留言哈，我给你模板。 还有一个细节就是 cc 十位工具启动后啊，不要关，要关的话他调用就会失败。所以抠袋子接这个事情老点不在技术，而在你。没搞懂啊，这个模型跟中转的关系， 搞懂以后你就能够用更低的成本去跑不同的 ai 任务。就下一条，我出一个，就是这个小白怎么接的这个教程以及闭坑指南啊，照做。

二零二零年 ai 编程的战场，天已经彻底变了， open ai and python， google 三级头亲自下场，把 ai 编程从副驾驶一脚油门直接干到了自动驾驶。 今天这篇视频，咱们就来把三款顶级 ai 工具， codex、 clock code 和 antigravity 的 帮你搞清楚，谁才是你的最佳拍档。第一个 clock code 基础六天花板 antropic 的 新儿子，模型专为编程优化代码质量，功劳第一。而且 antropic 团队自己天天用它来写代码， 这种自我迭代速度别人根本追不上，但他有两个致命伤，贵和脆，目前最贵的模型就是他，而且不少用户的反馈呢，是说， 呃，二六年以来的 clock code 有 一个降智的趋势，响应变得比较空泛，上下文还会老老是丢掉它适合谁呢？它适合预算比较充足，追求即代码质量的硬核老炮。第二个， codex， 二六年最大的黑马正在反超 openai， 今天终于想明白了，花里胡哨的不赚钱， coding agent 才是王道。四月份的 gpt 五点五亿发布，编程能力直接追平了 cloud codex 最大的优势就两个字，自由。你可以随便去改 system prompt， 让他下一个坐在你旁边的支撑开发， 说话直接零废话，还能够去关掉烦人的确认弹窗，打开联网搜索， 查到最新的文档，最关键是筛选恢复，重开终端后能够直接回到上次的工作状态，思路不断。他是个追求性价比，想要稳定体验的开发者，甚至非程序员，能够拿他做数据分析和写文档。第三个， integrity， google 的 降维打击直接重新定义了 ide， 前两个还是命令行工具黑户的终端，而 anti gravity 是 一个完整的 ide， 基于 vsco 去改造的内核，完全 a 卷化。三大杀手锏，多智能体并行，一个写后端，一个画前端，一个跑测试 同时干活，互不干扰。自动化浏览器测试 a 卷，自己去开 cron， 点按扭查报错，相当于白捡了一个 qa。 最适合独立开发者，想快速出 mvp 的 新手。 最后三个直接建议预算有限的独立开发者或者新手呢，能够直接去充呃， anti gravity 免费可直观的做 u i， 最快去把想法落地。日常写复杂业务逻辑呢，追求代码质量的可以去选择 codeast， 吉普 t， 五点五金费系比性价比和稳定性都。 嗯，都可以去跟 clock 去掰掰手腕。如果不差钱，只论代码质量的的高低呢？那 clock clock 依然是比较好的选择。但是呢，最好去搭配扣带去做一个二次 review， 双保险，三巨下场肉搏，最大的赢家呢，是我们开发者工具越来越强，我们要做的就是去选选对合适的搭档，把精力去留给有价值的事情。你觉得哪款比较适合你？评论区聊聊看。

这一小节，我们先来认识两款我长期使用过的 ai 开发工具， cursor 和 codex。 当然，市面上的 ai ide 远不止这两款，只是我目前主力使用的就是它们。 所以这篇不做复杂横屏，只聊我长期使用之后的真实感受。 cursor 和 codex 到底强在哪里？又分别适合什么场景？在正式开始之前，你需要先知道一件事， 对于 webcoding 来说， ide 很 重要，但它不是最重要的。真正重要的是两件事，第一，模型能力够不够强。第二，你有没有能力驾驭 ai。 ide 只是入口，它决定你怎么和 ai 写作， 模型能力决定 ai 能做到什么程度，而你自己的思维方式决定它最后是能帮你做出一个好项目，还是在浪费你的钱、时间和精力。况且往实际一点说，除了 codex 这种强绑定自家模型能力的工具外，目前很多 ai de 都支持接入第三方模型， 比如 cursor 既有自己的模型，也支持 gpt、 cloud 等主流模型。所以这篇文章不是要告诉你必须用哪一个，而是帮你理解 cursor 和 codex 分 别是什么类型的工具，以及你应该在什么场景下选择它们。 cursor 更像一款成熟的 ai ide。 要说 ai ide， cursor 算是非常早布局这一赛道的产品，它基于开源项目 vs code 二次开发而来， 所以整体使用体验对程序员非常友好，你可以把它理解成一个深度集成 ai 能力的 vs code。 cursor 也是我进入 web coding 的 第一款 ide， 最开始我只是用它的 tab 自动补全，后来 ai 能力逐渐增强之后，我基本就开始直接让它分析需求，制定计划，然后根据计划一路写代码。虽然我现在用 cursor 比较少了，但在我看来，它依然处在 ai ide 的 第一梯队。原因很简单， curser 作为 i d e 的 控制能力非常强，它的编辑体验、文件定位、上下文理解、代码修改、项目内操作都比较稳。对于专业程序员来说，这一点非常重要，因为 ai 写代码不是只看模型输出， 还要看它能不能稳定理解项目结构，修改正确文件控制修改范围。这点 cursor 做的确实不错。不过 c u r s o r 也有自己的问题。也许是因为他们把重点放在了 ai ide 本身，所以自家模型给我的体验并不算特别稳定。早期 composer 一 x 我 觉得还可以，只要前面的计划制定的足够清晰，最后代码产出一般不会有太大问题。但升级到二点 x 之后，我个人体验明显下降，代码能力、理解能力都不太稳定， 经常会写出一些让人摸不着头脑的东西。总之一言难尽。但这并不影响 cursor 在 我心里， a i d e d e 本身。更何况 cursor 本来也不止支持自家模型， 你完全可以接入 gpt、 cloud 等第三方模型。那么我现在为什么很少用 cursor 了？主要原因是成本。如果你完全依赖 cursor 做开发，并且大量使用第三方高级模型，成本其实不低，我之前两百刀的额度几乎全拿来缩哈，高级模型 也就用了两个星期左右。但反过来说，如果你能把 auto 模式用好，开发一些不太复杂的项目是完全够用的，比如小程序、官网、普通后台、轻量级工具类项目， cursor 都能胜任。但如果项目再往深走，比如硬件开发、系统底层复杂工程架构，那就要慎重。这类项目不是单纯让 ai 写代码就能解决的，你需要有足够强的任务拆解能力、架构判断能力和验收能力， 也需要具备相应领域的专业知识，毕竟模型能力摆在那里， codex 更像一个超级 agent app。 codex 给我的感觉只能说是惊为天人。当然，它最强的地方并不在于 i、 d、 e 本身，而在于它背后模型的能力，以及它作为 a 阵工具的整体执行能力。 所以严格来说， codex 不 太像传统 ide， 它更像是一个超级 agent app， 它不仅能写代码，还能操作环境、执行命令、获取、日制跑、测试、启动服务、部署项目， 甚至可以在权限足够的情况下，连续推进一个很长的任务。这就是它和普通 ai ide 最大的区别。比如你开发前端 ui， 它可以一边写代码，一边启动页面，一边调整设计，一边根据运行效果继续修改。比如你开发硬件项目， 它可以一边写代码，一边自动烧录部署，打开日制监控。这个体验在我开发 bug 的 时候特别明显，每次发布版本前，我经常让它自己打开 qq， 做测试监控日记、分析问题、修改代码。只要你给他足够完整的权限，他真的可以自动化跑很久。再比如部署服务，他也能直接接管很多流程。之前 bto 的 树莓派版本有一块屏幕驱动需要安装， 我把树莓派的局域网 ip 和密码给他，再把官方文档丢给他，他自己登录进去。配置环境、安装驱动 部署、 bto 配置、开机自启，整个过程跑了三个小时，中间还顺手重新设计了一些 bto 里不够完善的功能代码。 类似的场景还有很多，当然，这些能力现在 cursor 也在追赶，很多事情也能做。但我实际用下来， codex 在 长任务、跨工具、自动化执行部署和日制分析这些场景里更丝滑， ag e n t 感更强。所以在我看来， codex 强大的地方不是它像不像 ide， 而是它根本不只是 ide， 它更像是一个拥有强模型能力、能操作环境、 能跑命令、能读日、智能改代码、能持续推进任务的 ai 工程助手。计费方面， codex 的 体验也和传统按量消耗不太一样，它更像是按照套餐额度、时间窗口和使用量综合计算。我的实际体验是，如果高强度使用额度，确实会消耗得很快， 但对于大多数普通用户来说，一周的额度未必能完全用完。如果五小时窗口真用完了，也刚好可以休息一下，反正过一段时间又会恢复。不过这类规则变化很快， 大家实际使用前一定要看官方最新说明。我这里讲的是我自己的使用体验，不是固定不变的计费规则，它们不只是写代码工具。其实即便你不想做项目，也不想用 ai 写代码，我也建议你装一个 cursor 或者 codex， 因为它们不只是写代码工具，也可以帮你处理很多电脑上的事情，比如清理电脑、分析内存空间、安装软件配置、开发环境、跑脚本、整理文件、排查服务问题等等。尤其是在今天这个 ai 时代， 很多好用的项目都是开源的，但开源并不等于开箱即用，你经常需要自己安装、依赖配置环境、启动服务、 处理报错、部署到服务器。对于不会编程的人来说，这些步骤非常劝退。但如果你会使用 cursor 或 codex 这类工具，很多事情就会简单很多。你可以让它帮你读 readme、 分 析部署步骤、安装依赖修复报错、启动项目， 甚至帮你把整个项目部署起来。 beetle 就是 一个很好的例子，它本身是一个真实项目，涉及代码、硬件部署、 日制测试、系统服务等很多环节，如果全靠人工处理会非常琐碎。但交给 codex 这类 agent 的 工具之后，很多重复性的配置和验证工作都可以自动化完成，所以你可以把它们理解成一个懂代码、懂命令行、 能操作电脑的 ai 助手。当然，前提是你得知道自己要它干什么，也要知道哪些权限可以给哪些。操作必须谨慎。 ai 能帮你执行，但不能替你判断所有风险。 cursor 和 codex 怎么选？ 如果你更看重传统 ide 体验，希望在熟悉的 vs code 生态里写代码、改代码、管理项目，那么 cursor 很 适合你。它更像一款成熟的 ai ide， 适合日常编码项目开发、快速补全、局部重构和中小型项目推进。如果你更看重 a 整的能力，希望 ai 不 只是写代码，还能帮你跑命令部署，看日制持续执行复杂任务，那么 codex 会更适合你。 它更像一个自动化工程助手，尤其适合长流程任务、复杂环境部署验证、硬件调试和多步骤工程项目。 但不管你选哪一个，都不要以为装了工具就等于会 vip coding。 工具只是入口，真正决定你能不能用好 ai 的是你能不能把需求讲清楚，能不能把任务拆明白，能不能判断架构是否合理， 能不能验收 ai 写出来的东西。当然，如果你问我两百刀冲给谁，我现在会更建议直接给 get codex。 原因也很简单，如果只是写普通项目，科室很好用。但如果你想真正体验 ai 作为工程助手的能力， codex 的 长任务执行、 环境操作、日制分析和自动化推进能力给我的震撼更大。最后你需要知道的是，你可以用任何 ai， ide， cursor 也好， codex 也好，其他工具也好，都只是入口。对于 web coding 来说，真正重要的不是 ide 本身，而是两个东西，第一，模型能力。 第二，你自己的思维能力。前者决定 ai 的 上限，后者决定你能不能把这个上限真正发挥出来。 你不会规划， ai 就 会乱写。你不会验收， ai 就 会把问题藏进项目里。你不会判断架构， ai 就 可能帮你把项目越写越乱。所以，本系列接下来真正要讲的不是某个按钮怎么点， 也不是某个工具怎么用，而是你如何驾驭 ai， 如何提需求，如何拆任务，如何制定计划，如何控制上下文，如何验收结果，以及如何避免被 ai 带沟里，这才是 webcoding 真正的核心。

揭秘，纯 ai 开发的游戏到底能赚多少钱？这是我开发的一个模拟经营类模拟摆摊的小游戏，叫摆摊王逆袭啊，摆摊王逆袭，然后我们现在看一下这个用户的活跃吧，我是四月，应该是三十号发布的，然后现在， 呃，最高的一天就五月二十号这天，五二零怎么会这么多人玩游戏呢？有八十五个用户，然后累计用户是已经达到了呃，四百七十个， 哎，但是为什么五二零这天会有这么多用户呢？然后我们再来看下收入，那么四月三十号是没有收入的，到现在最高的一天是五月二十五号，三十五块七， 你看五月二十号他没有，五月二十号人最多，但没有收益，这什么情况？大家有时间拿我的游戏消遣，但是没时间看是吧？没时间，这个整十五秒，三十五秒啊，那我们看累计收入， 累计收入也是从十四号开始啊，增长的到现在已经是一百点五四元。其实摆摊王逆袭在我自己看来只能算是一个完成了百分之八十的游戏，它都不能算是一个完整的游戏，因为我刚开始做的时候是四月初那会儿啊， gpt 五点五度还没出来，更没有一麦九二。 那整个游戏开发成本除了 ai 智能的会员费以外，就没有成本了。那这个会员费虽然说挺贵的，但是我也不止开发这一个项目嘛，我觉得虽然说一百块钱不多啊，但是对于呃 ai 开发游戏 并且完成赚钱这个事情啊，可以算是一个不错的起步了。那大家有什么 ai 开发游戏方面的想法可以评论区交流打鼓。

嗯嗯。

一定要一定要一定要用 codex！ 别再把时间浪费在研究一堆 ai 软件上了，直接用一个就是 codex。 为什么我一直在强调 codex？ 因为大多数的 ai 只会解决某一个单点的问题。 但是 codex 不 一样，它更像一个真正懂分工、懂协助、懂结果的 ai 中书。你不会做视频没有关系， codex 会帮你调用像 runway、 sit down 这样的专业视频工具。你 不会写文案也没有关系， 他知道应该把任务交给 minus 这类最擅长内容创作的模型。你不会做音乐，也不用焦虑，他还能调用像 solno 这样的音乐生成工具。他真正厉害的地方不是他会某一项功能，而是他知道什么事情应该交给谁来做，并且他能帮你把整个流程串起来。 所以，未来真正拉开人与人差距的，从来不是你会不会操作软件，而是你有没有想法，能不能表达审美够不够好。大道至简。当工具越来越聪明，人最值钱的能力反而变成了更简单的东西， 就是把你想要什么讲清楚。你只需要开口说，哪怕你的普通话不够标准，哪怕带一点口音也没有关系， codex 都能听懂。他不要求你是技术高手，他只要求你有清晰的想法。 所以，如果你真的想提高效率，不要先学一堆技术，先抓住那个最核心的王，擒贼先擒王，在 ai 时代，扣贷就是那个王。

ai 第一次自己可以赚到钱？你没听错， codex 自己赚了十六点八八美刀，但你看懂这个事情的底层逻辑了吗？今天跟大家分享一个通过 codex 赚米的方法，这是一个最小的模型，看看它是如何实现的，以及背后的逻辑。我给大家拆开来。 首先呢，我们要清晰 codex 是 怎么做到的。其次呢，我们要知道人为操作的部分到底有多少。今天的主人公呢，是一个执行力非常强的 chris， 他 在五月十号左右呢，给 codex 下了一条指令，具体原文没有公开，但核心意思就是帮我在 github 上赚五美元。 codex 收到指令后，自己定位到一个开源安全的审计赏金平台，找到可以参与的项目，读完代码，写出修改方案，提交了 pr。 最关键的一步来了，项目维护者在 pr 下面提出了意见， codex 自己回复，自己修改，重新提交，最终 pr 被合并验证。流程走完几天之后， chris 拿到了账户里的十六点八八刀，从接单到交付到收款，全程必还。 chris 的 帖子发出的当天，浏览量就破了百万。但我今天跟你聊的不是 ai 能赚钱了这个结论，这个事谁都能看出来。我想跟你聊的是三个更容易被你忽视的细节。 第一个呢，就是 chris 的 原话里提到，在我没有要求的情况下， codex 对 我的付款信息进行了保密。 chris 没有给他下达保护隐私的指令，他是自己判断出付款信息不能随便透露，然后主动做了脱敏。 第二个细节呢，就是 chris 说 codex 同时跑了十到十五个安全审计的项目，十六点八八刀只是第一个亮绿灯到账的，后面还有好几个 p d。 第三个细节更值得我们去琢磨。 chris 在 这次实践里几乎没有任何的干预，按他的说法，总共消耗了约两千两百万个 token。 按 api 的 定价折算，成本确实不低，但重点的是，他不是在操作扣代斯，他是在观察扣代斯。从操作者到观察者这个身份的转换，才是最值得深思的那个信号。这三个细节的背后，藏着三个更值得追问的问题， 来跟着我一起思考。第一个问题，为什么是安全审计？为什么不写小说，不做设计，不做剪辑视频？ 因为软件安全审计有一个别的领域没有的特征，代码在线协助，在线结果可测试，可验证，付款走平台， ai 能进入的边界刚好闭合。 这不是巧合，是软件任务天然配合，是软件任务天然适配 ai 代理。第二个问题就是，十六点八八刀够覆盖成本吗？ chris 用的二十美元的 plus 订阅套餐，跑了约两千两百万个 talk， 如果按照 api 单独计费来算，这项目大概率是亏损的。但 chris 自己也承认，重点不是盈利，而是跑通了信号。所以别看贴子就去做发财梦， 这目前还不是一个能复制的商业模式。第三个问题也是最关键的问题， chris 做了什么？ 他没有写一行代码，没有给任何的技术指导，但他只做了一件事情，就是给了一个清晰的目标，把帮我赚钱的这个模糊的愿望，翻译成了去 github 去找赏金任务这个可执行的指令。 那么从操作者到目标设定者，这才是 codex 变现的第一堂课。但在这里我也要提醒一句，目前 chris 没有公开完整的操作日制，我们并不能看到中途到底有没有人工的确认。 所以要说 ai 只靠一句话自动赚钱，还是有些言过其实。所以呢，我对这件事情的判断有三句话给到大家。第一句话， 这不是 ai 替你赚钱的故事，这是一个任务，市场正在对 ai 开放接口的故事。安全审计只是一个开始， 代码审查、自动化测试、文档翻译这些边界清晰结果可检测的软件任务都逐步会向 ai 开放。第二句就是 chris 做对的那件事，把模糊目标翻译成可执行的指令，这才是这个时代最被低估的一个能力。 第三句话，也是最重要的一句话，告诉大家，别去复制 chris 的 实验，你应该复制的是他提问题的方式。最后，如果你也有一个 codex， 你 最想让他帮你完成什么样的任务， 不是帮我赚钱，这种是具体的，边界清晰的结果，可验证的那种。把答案写在评论区，我帮你判断这个任务的现在成熟度。老曹在大连帮你盯着最前沿的信号。我觉得今天给大家分享的事很有时代意义， 现在总是有人在恐惧变化，我们不制造焦虑，不再去想 ai 浪潮发展如此之快，我们是否会被淘汰的问题，而我觉得我们只有在拥抱变化，顺势而为的时候，才能得到更好的结果。