Codex vs. Claude：168万行代码实测，Codex 缺陷密度超两倍
两名资深开发者用 AI 编程代理在六周内于两个生产项目（Python 新系统与 2008 年遗留 PHP CMS）产出超过 300 万行代码。对可明确归属的 168 万行代码分析发现，Codex 的缺陷密度是 Claude 的 1.5 至 2.6 倍，且在主要作者角色互换后结论依然成立。研究使用四个独立 AI 审查者（Claude、Codex、Grok、AGY）审查完整对话与代码，共确认 2126 个真实缺陷。作者指出这是生产数据而非受控实验，存在局限，但结论方向稳定，并强调多审查者交叉审查的价值。
