2026 年 Codex 还能买吗GPT-5-Codex 已弃用能用新一代代码模型的平台与 Pro 升级指南本文更新时间2026 年 7 月 5 日。模型、套餐和额度变化很快购买前请以文末官方页面为准。很多人搜索“Codex 还能买吗”其实混淆了三个东西Codex 编程智能体、ChatGPT 订阅以及 GPT-5-Codex 模型。先给结论Codex 仍然可以买到并正常使用但它不是一个单独售卖的“软件盒子”。官方目前把 Codex 纳入 Free、Go、Plus、Pro、Business、Edu、Enterprise 等 ChatGPT 套餐不同套餐的核心差异是额度、并发能力和组织管理能力。原始 GPT-5-Codex 已经不是应该追的新型号。OpenAI 的模型目录已将它标记为 Deprecated现在更接近其定位的是 GPT-5.3-Codex以及用于复杂编码与专业任务的新一代 GPT-5 系列。想获得类似体验有三条路直接用 OpenAI Codex、在 GitHub Copilot 等 IDE/代码托管平台选择 Codex 类模型或者通过 Responses API 自建编码智能体。ChatGPT Pro 不等于 API 套餐。Pro 适合高频使用官方 Codex 的个人开发者API 调用仍是独立计费不能因为订阅了 Pro 就默认获得等额 API 余额。下面不只列平台还会解释为什么同一个模型放进不同工具最终效果可能差一大截什么情况下升级 Pro 才真正划算以及如何做一个最小可用的代码审查智能体。一、Codex 到底是什么为什么“同模型”不等于“同体验”普通聊天模型通常完成的是输入问题输出一段代码。编码智能体完成的是一个闭环读取仓库结构与项目约束搜索相关文件建立修改计划编辑一个或多个文件调用终端、测试、构建或浏览器检查 diff发现问题后继续修正输出可审查的结果必要时创建 Pull Request。因此代码模型的落地效果可以粗略写成实际产出质量 ≈ 模型能力 × 上下文质量 × 工具链能力 × 验证闭环 × 权限边界这解释了一个常见现象即使两个平台都显示同一个模型名一个只能回答代码片段另一个能检索仓库、执行测试并根据失败结果迭代两者的生产力不是一个量级。选择平台时不要只盯着模型排行榜还要检查五项能力能否读取整个仓库而不是只看当前文件能否执行命令、测试与构建是否展示修改 diff并允许逐项审查是否支持项目级规则例如AGENTS.md、团队规范或自定义指令是否有明确的权限、密钥、日志与数据策略。二、2026 年 Codex 还能买吗正确答案是“能但买法变了”OpenAI 官方帮助中心显示Codex 已包含在 Free、Go、Plus、Pro、Business、Edu 和 Enterprise 等套餐中使用上限随套餐而变化。换句话说用户通常不是“单买 Codex”而是通过 ChatGPT 套餐获得 Codex 使用权再根据需要使用或购买额外额度。这带来两层选择1. 个人使用Free / Plus / ProFree适合验证工作流例如让 Codex 解释陌生项目、修一个小 Bug、生成测试。Plus适合日常轻到中度开发重点是比免费档更稳定的使用空间。Pro适合每天长时间使用智能体、多轮运行测试、同时推进多个任务或者不希望频繁被额度打断的个人开发者。2. 团队使用Business / Enterprise / Edu团队真正需要的不只是“更多次数”而是管理员控制、成员权限、统一账单、数据策略和组织级治理。企业代码库含有商业逻辑、客户数据或部署凭据时应先看组织套餐和安全规则而不是让每个成员自行购买个人 Pro。一个必须说清楚的误区ChatGPT Pro 与 OpenAI API 是两套消费通道。你可以使用 ChatGPT 账号登录 Codex并享受该订阅对应的使用额度但如果你的服务端代码直接调用v1/responses那属于 API 平台用量按 API 账户单独计费。不要用“买了 Pro所以 API 应该免费”来做预算。三、GPT-5-Codex 还能用吗别再追旧型号原始gpt-5-codex曾是面向智能体编程优化的 GPT-5 版本支持 Responses API、函数调用和结构化输出。但截至本文更新时OpenAI 模型目录已将它标记为弃用。更合理的选择是GPT-5.3-Codex面向智能体式软件开发适合代码库探索、跨文件修改、测试驱动修复和长任务GPT-5.5 / GPT-5.4适合复杂推理、架构分析、疑难调试和综合专业任务GPT-5.4 mini 等小模型适合高频、低延迟、成本敏感的检索、分类、简单修补和子任务。这里有一个实用策略不要让最强模型包办所有步骤。例如仓库搜索、日志归类、简单格式化可以交给更快的小模型架构判断、跨模块重构和安全审查再切到强模型。真正成熟的 Agent 系统往往是“任务路由”而不是“永远选择最贵模型”。四、哪些平台能用上类似 GPT-5-Codex 的代码模型路线 AOpenAI Codex——最完整的原生体验适合希望开箱即用、直接操作本地仓库或云任务的开发者。它的优势不是只提供模型而是把模型、仓库上下文、文件编辑、终端、测试、代码审查和任务管理组合起来。对于“修复 Bug 并验证”“重构一个模块”“审查 PR”这种目标导向任务通常比裸 API 更省搭建成本。如果你的主要需求是让智能体真正完成工程任务而不是把代码复制到聊天框原生 Codex 应作为第一选择。路线 BGitHub Copilot——适合 IDE 与 Pull Request 工作流适合团队已经围绕 GitHub、VS Code 或 JetBrains 工作希望模型选择、代码补全、聊天、Agent 和 PR 流程集中在一个入口。GitHub 官方模型列表显示Copilot 已支持 GPT-5.3-Codex 等代码模型具体可见模型会受到套餐、IDE、组织策略和区域的影响。它的强项是贴近现有开发流程开发者不必离开编辑器管理员也能统一控制可用模型。需要注意平台支持某模型不代表所有套餐、所有入口都能立即选择。购买前应在模型选择器和官方套餐表中核对而不是只看一篇旧评测。路线 CCursor 等多模型 AI IDE——适合重度编辑器用户适合更看重代码索引、Tab 补全、多模型切换、前台/后台 Agent 和编辑器交互的开发者。Cursor 官方资料显示其支持 GPT-5 系列及多种前沿模型并按照模型推理成本消耗套餐内用量。它与“原生 Codex”的差异在于你购买的是 Cursor 的编辑器与 Agent 编排体验而不是 OpenAI 原生产品本身。模型名称、上下文注入、工具权限和计费方式都可能不同。如果你追求的是“类似 GPT-5-Codex 的编码能力”它是可选项如果你必须使用某个精确模型版本则要以产品内模型列表为准。路线 DOpenAI Responses API——适合自建内部研发助手适合想把代码审查、Issue 分流、迁移脚本、CI 修复或内部平台做成自己的产品。API 的优势是可控你可以定义工具、权限、上下文、输出结构、审计记录与预算。代价也很明确文件系统、命令执行、Git 操作、沙箱、重试和人工审批都需要自己实现。路线上手成本工程闭环可定制性更适合谁OpenAI Codex低强中高高频个人开发、完整 Agent 工作流GitHub Copilot低强中GitHub/IDE 重度用户、团队Cursor 等 AI IDE低强中多模型与编辑器体验优先Responses API 自建高取决于实现最高平台团队、内部工具、SaaS五、技术教程用 Responses API 做一个最小代码审查器下面的示例展示“模型调用层”而不是完整生产 Agent。它读取本地 diff让模型输出审查意见。实际项目中还应加入脱敏、大小限制、超时、审计和人工确认。1. 安装 SDKpipinstallopenai将 API Key 写入环境变量不要硬编码进源码或提交到 Git$env:OPENAI_API_KEY你的 API Key2. 编写审查脚本importsubprocessfromopenaiimportOpenAI clientOpenAI()diffsubprocess.run([git,diff,--unified40,HEAD],capture_outputTrue,textTrue,checkTrue,).stdoutifnotdiff.strip():raiseSystemExit(当前没有待审查的变更)promptf 你是一名严格的高级代码审查员。 请只报告会影响正确性、安全性、性能或可维护性的具体问题。 每个问题必须包含严重级别、文件/位置、触发条件、原因、最小修复建议。 不要为了凑数量报告纯风格问题无法从 diff 证明的问题请明确标为“需验证”。 Git diff{diff}responseclient.responses.create(modelgpt-5.3-codex,reasoning{effort:high},inputprompt,)print(response.output_text)3. 为什么这个示例还不能直接进生产因为真正的代码审查至少还缺六层上下文补全仅有 diff 可能看不到调用方、类型定义和测试工具调用模型需要按需读取相关文件而不是把整个仓库塞进提示词验证机制发现问题后应运行相关测试或静态分析结构化输出让结果符合固定 JSON Schema便于写回 PR安全沙箱执行陌生仓库命令时限制网络、文件和密钥访问人工审批模型可以提出或生成补丁但高风险修改不应自动合并。4. 一个更可靠的 Agent 提示词模板目标修复 Issue #123不改变公开 API。 工作约束 - 先定位根因并列出计划再修改文件 - 修改范围保持最小 - 不更新无关依赖不改写用户已有变更 - 先运行最相关的单元测试再运行受影响模块测试 - 最终给出根因、修改文件、验证命令、已知风险。 完成标准 - 原失败用例通过 - 新增覆盖回归场景的测试 - lint/typecheck 无新增错误 - diff 中没有调试日志和密钥。高质量提示词的核心不是“请写得更好”而是给出目标、边界、验证方式和完成标准。这四项越清楚智能体越不容易跑偏。六、什么时候应该升级 ChatGPT Pro不要因为“Pro 听起来更强”就升级。先观察一周记录三个数据每天有多少次任务因额度或等待被打断Codex 每周真正帮你节省了多少小时你的任务是一次性问答还是会持续读仓库、改文件、跑测试。如果出现以下情况Pro 通常更匹配你几乎每天都用 Codex 完成长链路开发任务经常同时推进多个仓库或多个智能体任务需要反复测试、修复、复查而不是偶尔生成一个函数中断一次就会破坏上下文造成明显的时间损失你是独立开发者希望少维护一套自建 Agent 基础设施。一个朴素的回报计算公式是月度价值 每月节省小时 × 你的有效时薪 - 订阅与额外用量成本如果 Codex 每月只节省一两个小时Plus 或 Free 可能已经足够如果它每天都能替你完成代码检索、样板修改、测试与文档同步升级 Pro 的价值往往不是“回答更漂亮”而是减少工作流中断让智能体真正跑完闭环。但以下情况不应直接买个人 Pro公司代码必须接受统一数据治理——优先评估 Business/Enterprise主要需求是程序化批处理——应按 API 成本建模只需要快速补全和偶尔问答——先比较 IDE 套餐项目没有测试与清晰规范——先补工程基础否则更高额度只会更快地产生不可验证代码。七、购买前的 10 分钟检查清单我需要的是聊天、IDE 补全还是能执行任务的 Agent目标平台能否访问整个仓库并运行测试我需要的模型在当前套餐、地区和 IDE 入口是否可选套餐额度按消息、请求、Token 还是信用额度计算超额后是停止、降级还是继续按量计费ChatGPT 订阅和 API 预算是否已分开计算企业代码、密钥和客户数据能否进入该平台是否支持人工审批、diff 审查与回滚是否能保存仓库规范和验证命令用一个真实 Issue 做过端到端试跑吗总结“Codex 还能买吗”的答案是肯定的但 2026 年再围绕旧的 GPT-5-Codex 型号做选择已经抓错重点。更好的决策顺序是先判断需要聊天模型还是编码智能体再选原生 Codex、GitHub Copilot、AI IDE 或自建 API用真实仓库测试读取、修改、测试、审查的完整闭环轻度使用从 Free/Plus 开始高频个人开发、并发任务和长链路工作明显受额度影响时再升级 Pro团队与敏感代码优先考虑组织治理而不是简单堆个人订阅。模型会更新平台会换名字但判断标准不会变能否理解真实代码库、正确调用工具、验证结果并在权限边界内交付可审查的改动。官方资料OpenAI使用 ChatGPT 套餐访问 CodexOpenAIGPT-5.3-Codex 模型页OpenAIGPT-5-Codex 模型页已弃用models/supported-models)GitHubCopilot 模型选择建议免责声明本文不构成价格承诺。套餐、模型、倍率、额度和地区可用性会动态变化请在付款页再次确认。