Codex
同一个任务跑两遍:Codex 在 T3 Code 里反而更快,慢的其实是审批等待
作者用同一个 commit、同一个模型分别跑原生 Codex CLI 和 T3 Code 里的 Codex,结果 T3 用时 10 分 26 秒、原生只用 6 分 07 秒。但拆开时间线后发现,T3 有 6 分 06 秒是在等人工审批,实际干活只花 4 分 20 秒,反而比原生快 1 分 47 秒。文章还对比了工具调用次数、沙箱策略差异和三个构建的质量。
今天就能做
- 用编排器跑 Codex 时,先看审批等待时间再判断模型快慢,把安全操作设为自动批准
- 在提示词里明确列出允许访问的路径,能显著减少中途停顿
- 并行跑完多个代理后,用一条独立线程做盲审,几十秒就能抓出共性 bug
实验怎么搭的
- 三次运行都基于同一个 commit 3974f307,各自用独立的 git worktree,构建同一个单文件离线文章选题工具
- 对比组合:原生 codex exec(gpt-6-sol)、T3 Code 里的 Codex(gpt-6-sol),另加一个 Claude Sonnet 5.5 作参照
- 只有前两组共享同一个模型,才是干净的对比;沙箱设置不同:原生用 workspace-write,T3 用更宽的 danger-full-access
- 所有调用走同一个 OpenAI 兼容端点
时间都花在哪了
- T3 的 Codex 在 03:01:24 完成功能和自测,随后想删除自己创建的 Chrome 临时 profile,因为路径在工作区外被 T3 拦下询问
- 从读到审批请求到模型恢复共等了 6 分 06 秒,其中 44 秒是人已经决定批准之后的延迟
- 去掉等待时间,T3 的实际工作段只有 4 分 20 秒,比原生快 1 分 47 秒
- 原生运行被浏览器拖累约 2 分 24 秒:Edge 创建的 profile 没开调试端口,computer-use 够不到窗口,最后改用 Node 和 vm 做 DOM mock
为什么原生调用次数多得多
- 原生运行发了 20 次工具调用,T3 只有 7 次
- 多出来的大多是环境检查:git status、定位工作目录、找 AGENTS.md、探测 playwright/puppeteer/jsdom 是否安装、测 node 和 WebSocket 支持
- 编排器已经提前准备好环境、划好边界,T3 的运行不需要这些检查
- 原生运行也先尝试删同一个临时 profile,被策略秒拒后 3 秒内改用 fs.rmSync 通过——毫秒级返回的拒绝和等人批准是完全不同的体验
质量对比
- 按同样的 8 条需求验收,只把未授权改动或编造文件算作硬失败,三个构建都没踩这条线
- 原生构建设了 680 像素断点但从没在浏览器里看过,报告里自己也承认;T3 的 Codex 构建在 360 像素下无横向滚动;Claude 构建在 Edge 通过 28 项检查
- 让一条不知情的 Claude 线程盲审 Codex 输出,找到两个可复现的 bug:跨标签页写入被覆盖(没监听 storage 事件)、每次操作后键盘焦点掉回 body(全量重渲染导致)
- Claude 构建有焦点 bug 但自己写了 tab 同步避开了覆盖问题;原生构建没有 storage 监听所以有覆盖 bug——作者认为这是任务本身的特性,谁写都容易踩
下次会怎么做
- 编排运行看起来慢时,先查审批队列再怪模型,提前批准安全的清理操作能消掉大部分等待
- 把允许写入的路径直接写进提示词,减少中途停下来问的次数
- 并行工作结束后做一轮统一审查,41 秒就抓出了两个 bug
这个实验的局限
- 每组只跑了一次,1 分 47 秒的差距可能来自网络或服务商排队,要下结论每组至少跑三次
- 没试过更短的 AGENTS.md,提示词长度的成本还没测
原文:Codex inside T3 Code: the 4-minute job that took 10
来源:DEV Community · 2026-11-20
查看原文本文由 AI 阅读原文后整理,未经人工逐字核对,内容以原文为准。
登录后可以点赞、查看和发表评论