Claude Code 與 Codex 都可以選擇不同模型。
不同模型通常會在：
速度
能力
使用額度 / 成本
複雜任務處理能力
之間做不同取捨。
如果只是想先快速理解，可以大致分成：
| 定位 | Claude Code | Codex | 適合的工作 |
|---|---|---|---|
| ⚡ 快速 / 輕量 | Haiku 4.5 | GPT-5.6 Luna | 搜尋、簡單修改、格式整理、重複性工作 |
| ⚖️ 日常使用 | Sonnet 5 | GPT-5.6 Terra | 一般開發、功能實作、日常 Debug |
| 🧠 複雜工作 | Opus 5 | GPT-5.6 Sol | 複雜 Bug、架構分析、大型 Refactor |
| 🚀 高難度 / 長時間任務 | Fable 5.1 | GPT-6 Astra | 大型 Codebase、複雜問題、長時間 Agent 任務 |
不過這張表只是：
依照使用情境做簡單分類。
並不是表示：
Haiku 4.5 = Luna
Sonnet 5 = Terra
Opus 5 = Sol
Fable 5.1 = Astra
兩家公司模型的能力、價格、速度與設計方向都不同，不能直接當成完全相同等級的模型。
⚡ 輕量工作
如果只是：
搜尋檔案
修改小地方
整理格式
簡單問答
重複性工作
通常不一定需要直接使用最高階模型。
Claude 可以考慮：
Haiku 4.5
Codex 則可以考慮：
GPT-5.6 Luna
這類模型比較偏向：
快速處理明確、範圍較小的工作。
⚖️ 日常開發
如果是一般開發工作，例如：
實作功能
修改 Component
建立 API
一般 Debug
閱讀程式碼
補測試
可以考慮：
Claude
↓
Sonnet 5
或：
Codex
↓
GPT-5.6 Terra
這類模型比較適合作為日常使用的選擇，在能力、速度與使用量之間取得平衡。
🧠 比較複雜的工作
如果開始遇到：
很難追的 Bug
架構問題
大型 Refactor
跨很多檔案的修改
需要較多推理的工作
就可以考慮提高模型能力。
例如：
Claude
↓
Opus 5
或：
Codex
↓
GPT-5.6 Sol
這時比起單純追求速度，更重視：
理解問題
↓
分析原因
↓
規劃修改
↓
驗證結果
🚀 高難度或長時間任務
如果是範圍非常大的工作，例如：
大型 Codebase
複雜跨系統問題
長時間自主執行
大量工具操作
多步驟 Agent 工作
Claude 目前還有：
Fable 5.1
而 Codex 則有：
GPT-6 Astra
這類模型比較適合處理需要長時間維持工作脈絡，或需要反覆：
分析
↓
執行
↓
驗證
↓
修正
的複雜任務。
但這種等級的模型通常也會消耗更多使用額度，所以一般的小修改不一定需要使用。
不一定永遠使用最強模型
一開始我也很容易直覺認為：
模型越強，全部工作都用最強的就好了。
但實際上可以依工作選擇。
例如：
改一段文字
↓
輕量模型
一般功能開發
↓
日常模型
追複雜 Bug
↓
高能力模型
大型跨模組工作
↓
最高階模型
比較像：
工作有多複雜，再決定需要多少模型能力。
也不用把模型對照看得太死
Claude 與 Codex 的模型並不是完全一一對應。
所以這張表比較適合拿來回答：
「現在這個工作大概要選哪一類模型？」
而不是：
「Claude 的某個模型等於 OpenAI 的哪個模型？」
模型本身也會持續更新。
因此真正使用時，我會比較傾向先看：
這次工作難不難？
↓
需要多少推理？
↓
範圍有多大？
↓
值不值得消耗更多額度？
再決定使用哪個模型。
模型不是固定職位，而是依照工作複雜度選擇不同等級的工具。