开发者实测 Claude 可独立运行 12 小时，Codex 百万级测试仍留关键 bug

开发者 willdepue 实测多个编码 agent，称 Claude 可以独立工作 12 小时并带回出色结果，Codex 则能写出百万级测试却留下关键 bug。他还指出，现有 agent 应用容易迷路、卡住目标或不断崩坏，生成的巨大 .txt 报告也难以在狭窄的 markdown 界面中阅读。