就现有公开片段看,立正或鸭哥没有给出 Cursor、Codex、Claude Code 所用模型的固定“擅长领域排行榜”;他们更强调工具框架、上下文和验收方法往往比品牌标签更重要。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
三者首先是工具,不是三个固定模型
Cursor、Codex、Claude Code属于不同的 AI 编程工具或运行框架,不能简单等同于三个恒定不变的大模型。Marco Casalaina在与立正的对话中解释,模型本身只预测 token,实际效果来自模型与 harness(承载上下文、工具调用和执行流程的运行框架)的配合;模型和框架也都会继续变化1。因此,即便比较三者,也应比较“当前模型版本+工具能力+任务设置”,而不是给品牌永久贴上某种能力标签。
立正明确主张方法可以跨 Cursor、Codex 和 Claude Code 迁移
材料里的观点立正署名的课程更新称,三者的界面和收费方式不同,但入门工作流没有变:给足上下文,读懂并处理报错,写清需求与验收标准,执行后验证结果2。在另一篇文章中,他进一步纠正说,可切换的是“模型加 harness”;业务经验、任务标准和上下文应积累在工具之上,以便今天用 Claude Code、明天换 Codex 时仍能复用3。这说明他的重点不是断言哪一个永远更擅长前端、后端或调试,而是建立不依赖单一工具的工作方式。
更实用的比较方法是拿自己的任务做小型评测
AI推演如果你要选工具,可以给三者同一份代码库、同一项需求和同一套验收标准,观察:首次完成率、是否正确使用现有代码、测试通过率、修改是否越界、人工纠正次数、耗时与成本。这是依据立正强调的“上下文—需求与验收—执行后验证”所作的 AI 应用,而不是他给出的三者能力排名2。对非常专门的任务,也不要默认通用大模型一定最佳:Marco举例说,专用文档模型在跨页表格和版式识别上可能优于通用模型;专用转写模型则只集中做好转写4,1。
现有片段没有提供鸭哥或立正对三者底层模型分别擅长前端、后端、重构、调试等任务的逐项结论,也不足以整理整个市面模型的能力表。模型和工具版本变化很快,旧排名也不能直接代表当前表现。
出处
- 1AI在大企业中的应用才刚刚开始,人才供不应求?|对话微软CoreAI副总裁Marco Casalaina
解释为什么工具实际表现不能只归因于底层模型。
- 2AI Builders第13轮更新(2026.8)
立正直接同时谈到 Cursor、Codex 和 Claude Code,并说明三者之间可迁移的工作方法。
- 3从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
立正明确区分模型、harness 与应长期积累的业务上下文及标准。
- 4AI在大企业中的应用才刚刚开始,人才供不应求?|对话微软CoreAI副总裁Marco Casalaina
提供通用模型与专用模型在具体任务上可能不同的实例。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。