@hiboshi
是的，最新的 codex 默认够用了，其实跟 omo 的工作模式差不多了。

omo 有专门针对 Codex 的版本 https://github.com/code-yeongyu/lazycodex ，就是 omo 里写的 omo Light (Codex CLI) 版本，其实是一个 codex 的插件，调度各种 hook 、mcp 、子 agent 运行的。
这个我也在 codex 里用过，能力是有的，做复杂编程相当于对 codex goal 模式的加强，但是加强不了太多，但是 token 消耗也比用原生 GPT 5.5 xHigh goal 大不少。

不过最近 codex 上了 GPT 5.6 ，感觉消耗速度变大了，不用 omo 已经比以前 5.5 + omo 消耗还大了。

一样，GO 套餐不太够用。

做大项目，分了几个大 TASK ，每个 TASK 再分 Slice 。

1 个 Slice 修改/新增 1000~5000+(数据、py 代码、文档)，就把周限额干完了。

后来就弃用 Go 转投 Codex Pro5x 了。

@cskeleton #43

是，聊天只能囊括内容创作、内容质量、解决方案、论题研究等这些偏单点/定向探索能力。

但当前模型最广泛的应用就是工程化、工作流自动化，比如现在最多人关注的编程能力。所以 Arena 最近才补了个 Agent 排名以补短板，确实比其他固定测试集的排名晚了很多。

@xing7673 它的 coding 其实是 Text 大目录的子项，具体是写函数或者小功能，比如写个网页之类的。

GLM 高的在 Agent 排名这里： https://arena.ai/leaderboard/agent

Agent 排名综合了 prompt 理解、任务规划、调度执行之类的综合工作。

我一开始用了梯子也无法正常显示网页，后来把 AdBlock 禁用了就正常了

@FlashEcho 榜单评测方法有两面性，我觉得各个榜单有各自的优劣。

Arena 靠用户投票，基本就是大多数人的体感了，因为每个人使用场景不同，所以这种方式优势是测试集多样，相反缺点也是测试集不固定，横向直接比较说服力低，这也是你吐槽的点吧。

而做特定测试集的那些榜单，测试集固定结果清晰，很方便模型的直接横向比较，这是优点，但也不是完美的，因为模型多迭代几代很容易把某些测试变成考卷考试，做针对性优化。

这次 GPT 5.6 据说就针对某些榜单做过针对优化，而且还针对性的改了某些榜单的测试基准。相当于不仅考卷，还自己改了考题。

@xing7673 @willxiang

https://arena.ai/leaderboard/text/overall 这个是综合能力，就像 #11 楼的朋友说的：

"模型能力是多边形的，一个人的使用场景根本无法覆盖所有场景，所以根据自己的体验下结论就很尬"

你们可能更关注 coding ，得看 https://arena.ai/leaderboard/text/coding

@testsb https://arena.ai/leaderboard/text/overall

Area 排名（个人认为最接近自己使用感受的排名）刚出来，5.6 xHigh 确实不如 Fable 5 。

https://i.imgur.com/8fCeNSy.png

目前随着布已经重置了 2 次了。

据说还会再重置两次：

https://x.com/thsottiaux/status/2075641131002700120

“We’re landing a first set of improvements today. We’re resetting usage twice so people can keep experimenting, changing defaults and the model picker so they don’t push people toward unnecessarily expensive settings, fixing several plugin submission issues, improving how we represent Codex in the product, and cleaning up some of the most immediate desktop problems.”

1:59 AM · Jul 11, 2026

参考 https://www.v2ex.com/t/1200385

Token 消耗速度还是挺惊艳的😂

@freevioce 是的

`we will reset the rate limits again (twice)`

`1:30 PM · Jul 10, 2026`

从昨天下午开始反复横跳很多次了，一会儿重置一会儿撤回。

可能是在为发布 5.6 做灰度。

从昨天下午到现在，以及反复横跳很多次了。

看来还在为 5.6 上线做各种灰度。

"如果行为、约束条件和可读性保持不变"

* 行为 是指 需求/目的，具体到代码就是输入输出？确实可以不变
* 约束条件，具体到代码就是参数、配置？也可以不变
* 可读性，主观性很强，很难保持“不变”。相同代码对不同人/模型来说不一定相同，却决于他的知识储备、编码习惯等等因素。所以同一段代码对于 10 年前的我/模型，以及现在的我/模型，可读性是不一样的

@Simle100
确实，第一眼标题看成 《前司 TM 太好了》

我也是，从下午开始 Weekly usage limit 和 GPT-5.3-Codex-Spark Weekly usage limit 来回变，一会儿 100%一会儿又变回原样。

现在 GPT-5.3-Codex-Spark Weekly usage limit 保持 100% 而且我用了确实重置了，但是 Weekly usage limit 还是原来的见底。