مقارنة Claude Code وCodex في مهمة حقيقية: Claude أقوى في RAG، وCodex يوفّر الرموز

جاءت المقارنة بين Claude Code وCodex أكثر فائدة من المنازلات المعتادة التي تقوم على لقطات الشاشة والانحيازات العمياء. فالكاتب لم يقارن بين نموذجَي Opus 4.6 وGPT-5.3-Codex فحسب، بل قارن أيضًا سلوك الوكيلين في مهمة هندسية حقيقية، حيث لا يهم الجواب الجميل، بل النتيجة العاملة.

كيف جرت المقارنة

يبدأ الكاتب بمقياس completion time horizon من دراسة METR. وفق هذا المقياس، ينجز Opus 4.6 مهامَّ تعادل نحو 12 ساعة من العمل البشري بنسبة نجاح 50%، بينما يبلغ هذا الأفق لدى GPT-5.3-Codex نحو 5 ساعات و50 دقيقة. الفارق واضح، لكن الاستنتاج لا يقتصر على أن أداة واحدة أفضل دائمًا.

الأهم أن وكيل البرمجة لا يكون مفيدًا حين يكتب الشيفرة بسرعة، بل حين يوصل المهمة إلى حالة عمل سليمة دون جولات تصحيح إضافية. لذلك لم يختر الكاتب للجزء العملي صفحة هبوط ولا واجهة مستخدم، بل خط معالجة RAG قابلًا للقياس لمقالات علمية. وشمل الخط ما يلي:

• استخراج النص من ملفات PDF
• تقسيم المقالات إلى مقاطع (chunks)
• توليد التضمينات (embeddings) وفهرس محلي
• البحث عن المقاطع ذات الصلة بالسؤال
• الإجابة اعتمادًا على السياق المُستخرَج فقط، أو الرجوع إلى حل بديل (fallback)

كانت الشروط متطابقة للأداتين: لغة Python، ومعالجة ملفات PDF عبر PyMuPDF، واختيار كل أداة استراتيجية التقسيم ومخزن المتجهات بنفسها، وتوليد الإجابات عبر llama-3.1-8b-instant، مع حظر الهلوسة عندما تكون الأدلة ضعيفة. وللتقييم، جمع الكاتب خمس مقالات علمية ومئة سؤال مع إجابات مرجعية.

تكمن أهمية هذا الأسلوب في أنه يزيل الذاتية: فبدلًا من الانطباع عن الشيفرة، يمكن مقارنة جودة الاستخراج ودقة الإجابات ومدى جاهزية النتيجة التي يسلّمها الوكيل.

أين تفوّق Claude

بحسب تجربة الكاتب، يبدو Claude Code شريكًا أكثر انخراطًا في العمل. فهو يبدأ بسرعة أكبر، وينهي المهمة بنفسه في الغالب، ويُحمّل المستخدم خطوات أقل. وقد انعكس ذلك في التجربة: لم يكتفِ Claude بكتابة الملفات، بل شغّل خط المعالجة من البداية إلى النهاية (end-to-end) وتأكّد من أن السكربت يعمل.

أما Codex فنفّذ الحل ببطء أكبر، وطلب من المستخدم في المحاولة الأولى تثبيت الاعتماديات بنفسه والتحقق من التشغيل، ثم اضطر الكاتب إلى إصلاح خطأ ظهر. وفي التطوير العملي، يصبح الفرق بين «الشيفرة مكتوبة» و«كل شيء يعمل فعلًا» حاسمًا.

«Claude مطوّر أول (Senior

Developer) يعمل معك جنبًا إلى جنب، أما Codex فمقاول».

وظهر هذا الفرق في الأرقام النهائية. فقد قارن نموذج LLM بدور الحَكَم إجابات الخطّين من حيث الصحة والاكتمال والصلة والإيجاز. ومن أصل 100 سؤال، فاز تنفيذ Claude Code في 42 حالة، وفاز Codex في 33، وانتهت 25 حالة بالتعادل.

يعزو الكاتب أفضلية Claude لا إلى سحر في النموذج، بل إلى عتبة ثقة أكثر ليونة، وربما إلى درجة حرارة توليد أعلى قليلًا. يضاف إلى ذلك أن الزمن حتى أول رمز في جلسة جديدة أقصر بوضوح لدى Claude، في حين كان بدء Codex يتأخر أحيانًا قرابة دقيقة.

أين يتفوّق Codex

ومع ذلك، لا يبدو Codex في موقع الخاسر. بل على العكس، فهو غالبًا أكثر إتقانًا في بنية الحل. ففي حالة RAG، أنتج Codex شيفرة أكثر تنظيمًا: صنفًا للخط (pipeline class)، وإعدادات مركزية، وبنى dataclass، وواجهة argparse، مع التحقق من اتساق النماذج. أما Claude فاختار تنفيذًا أبسط وأسرع دون هذا الانضباط.

من الناحية التقنية، وصل الاثنان إلى مخطط بحث متشابه، لكن التفاصيل اختلفت: استخدم Claude قاعدة ChromaDB وتقسيمًا تكراريًا بحسب الأحرف مع تداخل بين المقاطع، بينما استخدم Codex مكتبة FAISS وتقسيمًا بحسب الجمل وتقييمًا ثلاثي المستويات للثقة. وفي شيفرة الإنتاج (production)، قد يكون هذا التصميم أهم حتى من الفوز في اختبار واحد.

وثمة نقطة قوة أخرى لـ Codex هي الكفاءة. فبحسب تحليل Morph الوارد في المقال، يستهلك Claude Code رموزًا (tokens) أكثر بمقدار 3,2–4,2 مرة في مهام مماثلة. وإذا كانت هذه التقديرات قريبة من الواقع، فسيبلغ مستخدم Claude حدود الاشتراك أسرع.

في المقابل، تقدّم Anthropic عرضًا متكاملًا أقوى حول المنتج: فبحسب الكاتب، تتكامل منظومة Claude Chat وClaude Code وخدمات أخرى على نحو أفضل. وفي الأسعار فروق أيضًا: لدى الشركتين خطط بسعر 20 و200 دولار شهريًا، لكن Claude وحده يقدّم خطة وسطى بسعر 100 دولار. وأدوات Skills متوافقة عمومًا بين الأداتين، لكن المجتمع المحيط بـ Claude يبدو الآن أكبر بوضوح.

ماذا يعني ذلك

الخلاصة الرئيسية بسيطة: لا معنى للاختيار بين Claude Code وCodex استنادًا إلى رقم واحد أو إلى سلسلة منشورات لشخص آخر على X. يبدو Claude حاليًا أقوى حيث تهم المهام الطويلة والإنجاز الكامل من البداية إلى النهاية والمنظومة المحيطة، بينما يتفوق Codex حيث تكون بنية الشيفرة وتوفير الرموز والانضباط الهندسي المتوقع عوامل حاسمة.

وحين تُكتب المتطلبات بصرامة في AGENTS.md، يضيق الفارق السلوكي بين الأداتين. والأفضل التحقق من ذلك على مهام قصيرة قابلة للتحقق تخصّك أنت.