翻译：掘金安东尼
前端周刊更多文章：加群
上周四，我买了 Claude Max 。要知道，我之前的时间几乎被 GPT-5 淹没，GPT-5 比 Claude Max 便宜足足 12 倍。
接着，我用 Claude Code 疯狂地对比了几个模型：Horizon Beta、Qwen3-Coder、GPT-OSS，当然还有 GPT-5。
结果让我发现了一个大多数人忽略的点：Claude Code 有一条"隐藏护城河"，哪怕 GPT-5 再聪明、再便宜，也跨不过去。
下面就是我这场测试全记录。
谁能跑完全程？
我测试了不同模型接入 Claude Code 的表现。试了各种路由方案和 OpenRouter 集成，跑过的配置包括：
- GPT-5 走 Claude Code 路由
- GPT-OSS（20B、120B）
- Qwen3-Coder 480B
- DeepSeek Reasoner
- Horizon Beta
结果非常统一：
非 Anthropic 系列的回答普遍就是------"修 bug""加错误处理""优化函数"......一句话糊弄过去。
而 Claude 给的却是：可直接跑的生产级代码 + 详细解释。这才是开发者真正需要的。
硬数据也说明了一切：Claude Opus 4.1 在 SWE-bench（真实世界代码任务基准）上的表现稳压全场。
这个差距，放到现实开发里，就是几个小时的调 bug，和一个能不能上线的分水岭。
GPT-5 的"路由机制"
当然，GPT-5 也不是没有亮点。正如 Simon Willison 说的，它的价格几乎是"屠杀级"：
1.25刀/百万输入 token，而 Claude Opus 4.1 要 15刀。
便宜 12 倍，这谁看了不心动？
但坑也在这里。Artificial Analysis 的数据揭示：GPT-5 的表现取决于你被分配到哪个模型。具体看：
- GPT-5（高配）：智能分 69
- GPT-5（中配）：智能分 68
- GPT-5（低配）：智能分 44 ------比 GPT-4o 还惨
说白了，你买的是一张"彩票"。如果运气好，能拿到"思考模式"，答案很不错；但一旦掉到低配通道，产出甚至还不如旧一代。
这种波动让 GPT-5 在关键生产任务里很难放心。
对比之下，Claude 的稳定性就是它的底气。没有随机降级，没有抽奖。
真正的护城河：提示工程
重点来了。
为什么 Claude Code 能这么稳？
秘诀不在模型本身，而在于 针对 Claude 架构深度调优的提示工程。
Yifan 的分析把核心扒了出来：
- 提示 = 秘制调料：Claude Code 的威力来自极度细致的提示，而不是隐藏版模型
- 代理式工作流：逻辑写在提示里，用自然语言定义，而不是死代码
- 模型特定优化：同样的指令，换到 GPT-5 上基本报废
- 重复强化：关键信号在提示里多次强调，确保 Claude 确实执行
你可以把这比作赛车。GPT-5 是豪华 SUV：均衡、便宜、跑得也不慢。Claude Code 就是 F1 赛车：为一条赛道彻底优化。
贵，但要赢比赛，它就是唯一选项。
在 Claude 的提示设计里能看到一堆"小花活"：
- XML 标签分层结构
- 上下文注入系统提醒
- 工具使用示例（明确对比好 vs 坏）
- 把任务管理作为主线持续强化
开发者现实检验
对开发者来说，这意味着：
- 如果你追求 极致性价比，GPT-5 的确是聪明的选择。
- 但如果你要 稳定 + 可交付的代码，Claude Code 的优化才是真正的护城河。
想自己测试？很简单：
- 在 Claude Code 路由下跑不同模型
- 再用 OpenRouter 测 GPT-5
- 看看谁更稳定地产出可用结果
- 关注一致性，而不只是偶尔的高光
我们正在进入一个"模型商品化+价格战"的时代，但最后赢的不是最便宜的，而是最懂特定场景的产品。
这就是为什么，最终，哪怕贵 12 倍，我还是选了 Claude Max。