惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

美团技术团队
P
Privacy International News Feed
P
Proofpoint News Feed
Security Archives - TechRepublic
Security Archives - TechRepublic
C
CXSECURITY Database RSS Feed - CXSecurity.com
Know Your Adversary
Know Your Adversary
Security Latest
Security Latest
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Attack and Defense Labs
Attack and Defense Labs
NISL@THU
NISL@THU
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
W
WeLiveSecurity
GbyAI
GbyAI
N
News and Events Feed by Topic
N
News | PayPal Newsroom
Y
Y Combinator Blog
C
CERT Recently Published Vulnerability Notes
N
Netflix TechBlog - Medium
S
Security Affairs
Spread Privacy
Spread Privacy
罗磊的独立博客
腾讯CDC
MyScale Blog
MyScale Blog
www.infosecurity-magazine.com
www.infosecurity-magazine.com
L
LINUX DO - 热门话题
The Cloudflare Blog
L
LangChain Blog
博客园_首页
H
Hacker News: Front Page
宝玉的分享
宝玉的分享
Martin Fowler
Martin Fowler
博客园 - 聂微东
SecWiki News
SecWiki News
A
Arctic Wolf
爱范儿
爱范儿
Google Online Security Blog
Google Online Security Blog
T
Threat Research - Cisco Blogs
Hacker News - Newest:
Hacker News - Newest: "LLM"
有赞技术团队
有赞技术团队
The GitHub Blog
The GitHub Blog
Cyberwarzone
Cyberwarzone
博客园 - 叶小钗
V
Visual Studio Blog
V
V2EX
T
Tailwind CSS Blog
Project Zero
Project Zero
T
The Blog of Author Tim Ferriss
F
Fortinet All Blogs
MongoDB | Blog
MongoDB | Blog
D
Docker

宝玉的分享

“母病速归”式 AI:号称省 65% Token,实测只有 8.5% 从零开始玩转循环 (Getting started with loops) 为啥 Codex 还不推出类似 Codex Design 的产品? DeepSeek 的 10 万亿美元大战略 来自 Codex 官方团队的分享:如何把 Codex 用到极致 为什么我不“凭感觉编程” 创始人手册:打造 AI 原生初创公司 Forward Deployed Engineer:AI 时代的新宠岗位,到底干什么? AI 时代到底该怎么管一个工程团队 为什么资深开发者讲不清自己的专业能力 Codex 的野心,MCP 和 Skill 的下一步 裁员潮将持续,直到我们学会发掘 AI 的商业价值 机器人的终局:英伟达 Jim Fan 宣告 VLA 时代结束,WAM 登场 深度拆解:AI Agent Harness 的构造 使用 Claude Code:HTML 难以置信的奇效 Anthropic 兄妹 Dario Amodei 和 Daniela Amodei 最新对话:Claude 为什么一直限速? Boris Cherny:Claude Code 之后,写代码正在变成“管理 Agent” 大多数公司根本没有为 AI 做好准备 Demis Hassabis:AGI 还缺什么,智能体到底行不行,下一个科学突破长什么样 深度拆解 Hermes Agent 的记忆系统:它如何修正 OpenClaw 的误区 Karpathy 最新访谈:Vibe Coding 只是开始,真正重要的是 Agentic Engineering AI 的经济账根本算不通 为 Agent 设计产品 Cat Wu 面试了几百个 PM 候选人,几乎没人答对一个问题:AI 产品经理到底应该干什么? 两小时激辩:黄仁勋为什么不怕 TPU、不怕华为、不怕出口管制? 设计圈的 Claude Code 时刻来了 使用 Claude Code:会话管理与 100 万 上下文 Vibe Coding 是中年男人的钓鱼 为什么你的"AI 优先"战略可能大错特错? “多智能体协作指南:五种主流模式怎么选、怎么用?” 访谈|Codex 团队如何用自己的产品构建产品——整个 Spec 只有 10 个要点 Claude Code 省 Token 指南:慎用 1M 上下文,不开新会话或者总是开新会话都不对 编程智能体的核心组件【译】 Claude Code 源码泄漏了,但我不打算写源码分析分析文章 OpenAI 总裁 Greg Brockman:AI 自我改进、Super App 豪赌、通往 AGI 之路、算力扩张 Notion 联合创始人 Simon Last:我从去年夏天起就没写过一行代码了 飞书 CLI 开源了,为什么 AI Agent 时代,大家都在做命令行工具? 在中国 AI 生态圈摸底了两周,我学到了什么 AI 发展太快跟不上?一张四象限图帮你做减法 被美国遣返、禁止入境 5 年,他在温哥华的卧室里做出了日处理 400 万工作流的 AI 平台 构建 Claude Code 的经验:我们如何使用 Skills 智能体工程的 8 个等级 编程 Agent 如何重塑工程、产品和设计 当 AI 写了几乎所有代码,软件工程会怎样? 品牌时代 我用 AI 翻译的三个阶段:提示词时代 → 推理模型时代 → Agent 时代 多稿合并:从手动比稿到一键 Skill 陶哲轩最新演讲:AI 不是来抢数学家蛋糕的,是来把蛋糕做大的 设计流程已死:Anthropic 设计负责人 Jenny Wen 谈 AI 时代的设计变革 Greg Brockman(OpenAI 联合创始人)把“那场宫斗”讲完整了:董事会、请愿书、马斯克与控制权 被封杀当晚,OpenAI 拿到了相同条款——Amodei 首次专访揭开 Anthropic 与五角大楼冲突内幕 从写代码到管 Agent:斯坦福首门 AI 软件开发课的讲师说,大多数工程师还没准备好 Anthropic CEO Dario Amodei:海啸已在地平线上,但没人在看 驾驭工程:在「智能体优先」的世界里借力 Codex Coding Agent 有个甜蜜点,多数人直接跳过了 92.6% 开发者每月使用 AI 编码助手,但每周节省时间只有 4 小时 同样的模型,为什么 Cursor 跑不过 Claude Code? Cursor 设计负责人:只会画按钮的设计师,有麻烦了 OpenAI Codex 产品负责人:代码不再由人类编写,但我们会有更多构建者(Builder) OpenAI 应用 CTO 和 Codex 负责人:AI 正在重塑构建软件的方式 Notion CEO:不能被 Agent 用的产品没有未来 提示词救不了平庸的 AI 写作 用 Claude Code 的 Hook + Skill,实现每次提交后自从 commit 提交变更 高中辍学生靠 ChatGPT 自学成才成了 OpenAI 的研究科学家 59% 用户投票选了更便宜的那个:Sonnet 4.6 全面解读 Jeff Dean 深度访谈:一页纸备忘录促成 Gemini 的诞生,Google AI 的反击与 10,000 Token 的未来 快不等于好:Anthropic 和 OpenAI 的快速模式藏着什么 别再用提示词去 AI 味了,方向就是错的 Anthropic CEO Dario Amodei 访谈:我们正在接近指数的终点 只有 30 个工程师的 X,是怎么重新杀回 App Store 第二的 马斯克说今年编程就要死了,你信吗? OpenAI 智能体工程指南:10 条实战技巧和 3 种构建模式 我们真的变成巫师了:OpenAI API 负责人谈 AI 如何重塑软件工程 xAI 全员大会实录:递归自我改进、5000 万视频/天、月球上的质量驱动器 PC 软件为手机重做了一遍,现在轮到 Agent 了 2026 编程巨变:Anthropic 报告揭示 Agent 编程八大趋势 既然 AI 越来越聪明,那么学习提示词不是浪费时间吗? 【访谈对话】造过 Codex 的人,为什么每天用 Claude Code 深度解析:Claude Code /insights 命令的运作机制 马斯克三小时访谈实录:36 个月后,太空是训练和运行 AI 最便宜的地方 Claude Code 团队的 10 个内部技巧,但你不一定都要学
一文看懂ChatGPT、Codex、Work 的差别
宝玉 · 2026-07-11 · via 宝玉的分享

很多人搞不清楚 ChatGPT、Work、Codex 到底有什么区别,也不知道它们的额度是独立的还是共享的。

先用一句话说清楚:

Chat 回答问题,Work 帮你干活,Codex 帮你写代码。

听起来只差几个字,背后却是三种完全不同的使用方式。

Chat、Work、Codex,一句话说清区别

模式 主要用途 读取的内容 交付的结果
Chat 快速问答、讨论、生成内容 当前对话和你提供的材料 一段回答或内容
Work 跨应用完成知识工作 邮件、文档、聊天记录、日历、业务系统 文档、表格、幻灯片、网页应用等成品
Codex 在代码仓库里完成开发任务 项目文件、代码、测试和 Git 上下文 代码变更、diff、测试结果、PR

打个比方:

  • Chat 是你问“番茄炒蛋怎么做”,它告诉你步骤。
  • Work 是你说“帮我准备一桌晚餐”,它自己去冰箱找食材、炒菜、摆盘。
  • Codex 是你说“这个菜谱 App 有 bug”,它打开代码自己修。

OpenAI 官方展示的 ChatGPT Work 桌面端模式选择

图:OpenAI 官方发布页中的 ChatGPT Work 桌面端界面。

Work 不只是“帮我写个报告”

在 Chat 里说“帮我写个报告”,它通常给你一段文字,接下来还得由你复制到 Word、补资料、排版和检查。

Work 的目标不一样。你先把日常工具接进去:Slack、Gmail、Google Drive、SharePoint、Teams、日历、CRM、项目管理工具都可以。OpenAI 把这些连接能力称为 plugins。

接好以后,你只需要告诉它想要什么结果。它会去不同应用里拉取数据、整合信息,最后生成可以直接交付的成品。你也可以在提示词中用 @ 加应用名,明确指定它从哪里找资料。

OpenAI 官方展示的 ChatGPT plugins 目录

图:OpenAI 官方展示的统一 plugins 目录。

举两个实际例子:

  • Zapier 的企业营销负责人用 Work 搭建了一套系统,每月审查数千条线索,追踪 CRM 和邮件中的客户触点,找出跟进断裂的位置,并生成管理层周报。
  • Virgin Atlantic 的数字产品负责人用它做竞品对标,让 ChatGPT 调研各家航空公司的服务水平并生成团队可审查的数据集,把原本需要数周的分析缩短到几小时。

另一个关键区别是,Work 可以长时间跟进复杂项目。它能自己拆步骤、持续推进几个小时;遇到拿不准的地方会来问你,你也可以随时调整方向、审批关键动作。

Work 能定时跑任务吗?

能。这个功能叫 Scheduled Tasks(定时任务),支持一次性任务、定时重复、事件触发和持续监控。

比如:

  • 每天早上检查 Slack 和邮件里的新消息,整理成简报。
  • 每当收到新的客户反馈,自动归类主题并整理成产品改进建议。
  • 定期检查网站和仪表盘,总结发生了什么变化。
  • 收到新反馈时,自动更新演示文稿。

这些任务可以在后台运行。桌面端还能使用内置浏览器查资料,并通过 Computer Use 操作电脑上的其他应用。

OpenAI 官方展示的 Scheduled Tasks

图:OpenAI 官方展示的 ChatGPT Scheduled Tasks。

定时任务面向 Plus、Pro、Business 和 Enterprise 用户开放,不同计划的并发任务上限不同。任务不能每小时运行超过一次,长时间无人处理的任务也可能自动暂停。

Work 和 Codex,到底是什么关系?

这两个模式可以理解为同一套底层 Agent 能力,服务于两种主要场景

Work 面向办公和业务工作,读取邮件、文档、聊天记录、日历等业务上下文,交付幻灯片、电子表格、文档和网站。

Codex 面向软件开发,读取代码仓库,交付 diff、测试结果和 PR。

OpenAI 提到,Codex 每周已有超过 500 万人在使用,其中超过 100 万人会拿它处理软件开发之外的工作。Work 的推出,某种程度上就是把这些非编程用途正式化:提供专门的界面和工作流,用 plugins 连接业务应用,把交付物从代码变更扩展到文档、表格和幻灯片。

OpenAI 内部也在大量使用:销售团队曾用 Work 在 24 小时内把一次客户探索对话变成定制 POC,这个流程过去需要几周;财务团队则把月末结账和预测从几天压缩到几小时。

我的理解是,OpenAI 想用 Work 吸引办公人群。很多非开发者看到 Codex 这个名字,会本能地以为它只适合写代码;但如果直接把 Codex 改名,又会影响原有开发者的认知。

所以最后就变成了:

一套底层能力,两个名字,两种主要场景,同时吸引两类用户。

我在哪里能用这三个模式?

Chat 最简单,网页、手机和桌面端都有,所有平台通用。

Work 已经开始在网页和手机端上线,Pro、Enterprise 和 Edu 优先,Plus 与 Business 随后开放。桌面端的能力更强,可以使用本地文件,还有内置浏览器抓取信息。

Codex 模式只能在桌面端选择。手机上不能直接进入 Codex 模式,但可以通过 ChatGPT App 的 Remote 标签,远程查看桌面上正在运行的 Codex 任务。

OpenAI 官方展示的 ChatGPT Work 网页端与移动端

图:OpenAI 官方展示的 ChatGPT Work 网页端与移动端入口。

需要注意的是:网页或手机端的 Work 对话与桌面端 Work 对话目前不互通。云端是云端,本地是本地;Chat 对话则可以在网页和桌面端之间同步。

原来独立的 Codex App 已经并入新版 ChatGPT 桌面端,一个 App 里可以切换 Chat、Work 和 Codex。开发者可以把 Codex 设为默认打开视图,也可以把 App 图标换成 Codex logo。原来的 ChatGPT 桌面端则会更名为 ChatGPT Classic。

Chat 和 Work、Codex 的额度共享吗?

Chat 与 Work/Codex 不共享,但 Work 与 Codex 彼此共享。

Chat 对话有独立的消息限额,图片生成和语音也各有自己的限额与重置周期。

Work 和 Codex 使用另一个池子,OpenAI 称为“智能体用量”(agentic usage)。Codex、ChatGPT Work、ChatGPT for Excel 和 Workspace Agents,都会从同一个智能体额度池中扣减。

所以,在 Chat 里聊得再多,并不会影响 Work 和 Codex 的额度;但 Work 和 Codex 会互相挤占。白天用 Work 跑了一堆复杂任务,晚上再用 Codex 写代码,可能就会发现智能体额度已经不多了。

Work 要额外付费吗?

Work 不是独立付费产品。它与 Codex 共用智能体额度,包含在现有的 ChatGPT 订阅中。所有计划都能使用,从免费版到企业版,区别主要是额度。

计划 价格与定位
Free 可以试用 Work 和 Codex,额度非常有限;美国地区有广告
Go 8 美元/月,额度约为免费版的 10 倍;桌面端可有限使用 GPT-5.6 Terra;没有 Deep Research 和 Agent Mode;有广告
Plus 20 美元/月,第一个无广告且功能完整的档位;包含 Deep Research、Codex 和 Agent Mode
Pro 100 或 200 美元/月;100 美元档额度约为 Plus 的 5 倍,200 美元档约为 20 倍,面向重度用户
Business 20 美元/月/人起,按年付;月付 25 美元;至少 2 人,包含 SSO 和合规控制,数据默认不用于训练
Enterprise 定制报价,150 人起

额度计费从 4 月开始改成按 Token 消耗。更强的模型和 Fast 模式会消耗更多。Plus 与 Pro 用户在额度用完后,可以购买额外 credits 继续使用。

GPT-5.6 的 Sol、Terra、Luna 怎么选?

GPT-5.6 有三个子型号:

型号 定位 API 价格(每百万 Token,输入/输出)
Sol 能力最强,适合复杂推理和高难度编程 5 / 30 美元
Terra 能力与成本居中,适合作为日常默认选择 2.5 / 15 美元
Luna 最快、最便宜,适合简单任务或对速度敏感的场景 1 / 6 美元

Free 和 Go 用户只能使用 Terra。Plus 及以上可以选择三个型号,也能调节 effort 级别。

ultra effort 在 Work 中只对 Pro 和 Enterprise 用户开放;在 Codex 中,Plus 及以上就可以使用。

Work 上线后,原来的 ChatGPT 还在吗?

在。Chat 模式就是原来的 ChatGPT,一切照旧。

桌面端点击 Quick chat 就能新建普通对话,手机端可以从顶部下拉菜单选择 Chat。你完全可以无视 Work 和 Codex,继续像以前一样使用 ChatGPT。


ChatGPT Work 和 Claude Cowork 有什么区别?

第二条 Post 讨论的是另一个很容易混淆的问题:ChatGPT Work 桌面端与 Claude Cowork 桌面端怎么选?

两者现在都是桌面端智能体,都能操作本地文件、使用 Computer Use 控制电脑,也都支持定时任务。但实际用起来,路径和体验差别不小。

1. 执行架构不同

Cowork 会在电脑上运行一个隔离的 Linux 虚拟机作为沙箱。文件操作在本地沙箱中完成,生成的 .docx.xlsx.pptx.pdf 等文件会直接保存到你指定的文件夹。

ChatGPT Work 桌面端继承了 Codex 的沙箱和权限控制体系,使用操作系统原生隔离机制:macOS 上是 Seatbelt,Windows 上是 Windows Sandbox。它还内置浏览器,不需要额外安装扩展,就能查资料并操作网页工具。

2. 操作电脑的方式不同

ChatGPT Work 桌面端的 Computer Use 可以在后台操作其他应用,完成点击、打字和移动文件。你会在屏幕上看到一个“不是你在动”的第二个光标。

Cowork 也有 Computer Use,目前仍处于研究预览阶段。它通过 Claude in Chrome 扩展操作浏览器,通过桌面端直接操作应用。

3. 应用连接方式不同

ChatGPT Work 使用统一的 plugins 目录,有 60 多个连接器对接 Slack、Teams、Google Drive、SharePoint、Salesforce 等服务。你可以在提示词里用 @ 指定应用名并拉取数据。

Cowork 使用 MCP(Model Context Protocol,模型上下文协议)连接器,对接 Slack、Notion、HubSpot、Jira、Linear 等服务。它还有 11 个面向销售、法务、营销、财务等行业的官方插件,也支持自建插件。

4. 产品结构相似,但并不相同

ChatGPT 桌面端现在是三合一:Chat、Work、Codex 在同一个 App 中,通过模式切换器选择。

Claude 桌面端最近也做了改版,从原来的 Chat、Cowork、Code 三个标签,合并成 Home 和 Code 两个标签。

Home 中,Chat 与 Cowork 共用一个首页,对话、Cowork 任务、项目和文件都放在同一个侧边栏中;你可以从消息框左下角切换 Chat 和 Cowork。Code 标签则是 Claude Code 的桌面界面,专门用于软件开发。

结构上,两家现在很像:都是把日常对话、知识工作和编程三种模式塞进同一个桌面 App。

5. 跨设备能力不同

Claude Cowork 从 7 月 7 日开始向网页和手机端扩展,当前为 Beta,Max 用户优先,其他付费计划陆续开放。

Cowork 任务可以远程运行在 Anthropic 的服务器上。关掉电脑后,任务也能继续执行;你可以在手机上查看进度、回答 Claude 的问题,或者换一台设备接着做,定时任务也可以在后台运行。

但有一个限制:如果任务需要读写本地文件、使用浏览器或 Computer Use,桌面端 App 必须保持打开。远程会话需要通过桌面端访问这些本地资源。

ChatGPT 这边,Chat 对话可以在网页和桌面端之间同步,但 Work 对话目前不互通。网页或手机端创建的 Work 对话留在云端,不会出现在桌面端 Work 中;桌面端的 Work 线程与本地文件也留在那台电脑上。Codex 桌面端任务不会出现在网页端,但可以通过手机 App 的 Remote 标签远程查看。

Claude Cowork 的跨设备同步目前走得更靠前:同一个会话可以在桌面、网页和手机之间流转。ChatGPT Work 的云端与桌面端仍然割裂,这是 OpenAI 明确说明的“at launch”限制,后续大概率会补上。

最后怎么选?

  • 只是问问题、讨论想法、快速生成内容:用 Chat。
  • 需要跨邮件、文档、聊天和业务系统收集信息,并交付完整成品:用 Work。
  • 需要读取代码仓库、改代码、跑测试和提交 PR:用 Codex。
  • 更看重同一个智能体任务在桌面、网页和手机之间流转:当前 Claude Cowork 更领先一步。

真正要记住的不是产品名,而是任务边界:Chat 给答案,Work 交成品,Codex 改代码。

参考资料