Antigravity、Claude Code、Codex：Opus 5.5 进了谷歌家，三家的删盘事故却都出在 Windows

有位开了 Google AI Ultra 的用户在评测帖底下留言：Antigravity 接进 Opus 5.5 以后，他一周大概能用上四个小时。另一位更惨，用 Sonnet 5.5 的 Medium 档让它检查一遍代码，五小时的额度两分钟见底。

这两条戳破了三款工具最容易被忽略的一层：模型可以是同一个，装进谁家的壳、按谁家的规矩计量，用起来是两回事。

顺手纠正一个流传的说法。

Claude Opus 5.5 和 Sonnet 5.5 进 Antigravity 不是这周的事，模型选单是 10月3日 悄悄出现的，当时官方更新日志里一个字没写。能用的只有付费的 Google AI Pro（试用期不算）和 Ultra，免费号、AI Plus 都看不到。更要紧的是：Claude Sonnet 4.6、Opus 4.6 和开放权重的 GPT-OSS-120B 将在 11月2日 下架。也就是说，过了下个月 2 号，Antigravity 免费档只剩 Gemini 一家。

Opus 5.5 装进不同的壳，账是两套

拿 Claude 官方的 Claude Code 对照。Opus 5.5 是 9月22日 发布的，API 标价每百万 token 输入 4 美元、输出 20 美元，1M 上下文，最大输出 128K。在 Claude Code 里你买的是 Pro 20 美元或 Max 100/200 美元，额度按五小时窗口加每周上限两层算。在 Antigravity 里，Pro 用户的 Claude 走一个单独的固定额度，和 Gemini 的池子分开，谷歌至今没公布这个额度是多少。

不公布数字，本身就是信息。Antigravity 从去年 11月18日 上线到现在，额度规则改了不下五次：3 月有 Pro 用户自报每周输入从三亿多 token 掉到不足九百万；5月19日 2.0 发布，顶档从 250 美元降到 200 美元，紧接着 Gemini 额度连续两次乘 3，因为有人一小时就用完了；6 月又有付费用户在官方论坛报告被锁两天、四天，没等到谷歌回复。

Claude Code 这边数字倒是公开的，问题出在口径上。5月13日 Anthropic 给每周额度临时加了 50%，9月14日 收回一部分，相对临时水平降了 17%，官方的说法是”比促销前永久提高 25%”。两个百分比各用各的基数，用户感受到的就是少了。6月14日 还有人在加州北区法院提了集体诉讼（案号 3:26-cv-05763），诉状引用的数据是 Max 5x 实际只有 Pro 每周用量的约 3.5 倍，20x 约 6 倍，因为”5x/20x”指的是单个五小时窗口。案子尚未认证集体。

Reddit 上有一条留言我很认同：用 Claude 要每半小时看一眼剩多少额度，算着过一周；用 Codex 就没这个习惯。他说完照样把 Claude 当主力。

我也是这样。

OpenAI 这周改缓存，改的是”隔天接着干”

10月20日 OpenAI 在 API 里加了 12 小时提示缓存。账面规则不复杂：默认 30 分钟缓存的写入价是普通输入的 1.25 倍，12 小时档写入 2.5 倍，读取两档同价，大多数模型是 0.1 倍，GPT-6.1 Sol 是 0.05 倍。

和 Codex 用户关系更大的是 Codex 负责人 Tibo 同一天发的那句：登录状态下的 Codex 和 Work，缓存永久保留，回到一个几小时前、几天前的旧对话，不再有重新写缓存的惩罚，保证命中。

这件事放到 Claude Code 的语境里看就清楚了。今年 3 月起不少 Max 用户抱怨额度十几分钟就烧光，Anthropic 的 Lydia Hallie 给出的解释之一，是 1M 上下文的会话越滚越大。上下文一大，离开一会儿缓存过期，整段历史重新按写入价计一次。Codex 现在把这一块免掉了，再加上 10月11日 把 GPT-6.1 Sol 在 Codex 里的默认上下文从 272K 调到 500K（最大约 105 万），长会话、断断续续干一整天的用法，三家里 Codex 目前最不心疼。

不过 Codex 自己的额度也不透明。Plus 档官方给的是估算区间：每五小时 15 到 160 条 GPT-6.1 Sol 消息，换成 GPT-6 Astra 只有 5 到 45 条。下限和上限差十倍。4月2日 起改成按 token 扣 credits，可 credits 至今没有美元标价。10月8日 上的 Ultrafast 模式只给 500 美元档，扣量是标准模式的 8 倍。

还有一笔 10月14日 的变更：GPT-5.5 从 ChatGPT 和 Codex 下架（API 不受影响）。官方论坛有 Pro 用户请求保留它当旧版选项，理由很具体：5.6 Sol 干活没问题，就是动不动过度设计。新模型确实更爱顺手改你没让它碰的文件，AGENTS.md 里得多写几条禁令。

COBOL 那张表，落到日常是另一码事

OpenAI 同样在 10月20日 放出两组冷门语言的数据，挺唬人的。

第一组叫 MultiLangBench，让模型用 20 种语言各从零写一个兼容 SQLite 的数据库引擎，看测试通过率。GPT-6 Astra 平均 87.4%，上一代 GPT-5.6 Sol 只有 26.8%。拆到语种，COBOL 从 10.9% 到 72.1%，Fortran 从 21.4% 到 83.5%。第二组是 COBOL 迁移，把老程序改写成 C++、Java、Kotlin、Python 或 Rust，判定标准是新程序输出和原程序逐字节一致：GPT-6.1 Sol 在低推理强度下 86.6%，GPT-5.6 Sol 同设置只有 5.4%，成本是后者的 61%；推理拉高到 97.9%，OpenAI 自己承认这套评测已经接近饱和。

数字是真的漂亮，但有三点要打折。

一是全部厂商自测，没有第三方复现。二是”输出逐字节一致”只验证了给定输入下的行为，银行那种几十年的批处理，难点常在没被测试覆盖的分支和 JCL、CICS 这些周边，OpenAI 自己也写了生产迁移仍需专家审核和测试。三是 Astra 的成绩落到 Codex Plus 里，每五小时 5 到 45 条，真要拿它啃一个老系统，额度会先撑不住，实际干活的多半还是 Sol。

反过来看 Claude 一侧的分数，同样要打折扣。Opus 5.5 自报 SWE-bench Pro 89.9%、Terminal-Bench 4.0 66.4%（xhigh 档），Artificial Analysis 用自己的测试框架独立跑 Terminal-Bench，得到 59.6%，和 GPT-6 Astra 大致持平。换个考场，领先就基本没了。

三家的删盘事故，盘符全在 Windows

这是我查资料时最意外的一点。大家习惯把”AI 删库”归到模型不靠谱，可把三家近一年的公开事故摆在一起，共同点并不在模型，而在 Windows 上那层 shell 翻译。

Antigravity 最出名的一次是去年 12 月，一位用户开着 Turbo 模式（终端命令不经确认直接跑）让它清项目缓存，结果命令打到了 D 盘根目录，带静默参数绕过回收站，用 Recuva 也没救回来。

Claude Code 的情况更密集。9月7日 到 10月3日 之间，GitHub 上有四个独立的 Windows 用户报告：一个是 Git Bash 把引号里的反斜杠翻译成了 C 盘根；一个是 cygpath 替换结果解析成盘根，同时把报错丢进了 /dev/null，约 600GB 没了；一个是 PowerShell 把变量展开成空字符串，传到 bash 里只剩 rm -rf 加一个反斜杠，约 125GB，日志写着 Auto mode 批准了这条命令，因为保护路径检查没看穿嵌套的 bash -lc；最后一个用的是用户目录的 8.3 短文件名，约 116GB，连 .ssh 一起删掉，子代理事后只看了文件夹名就报告”看起来完好”。更糟的是其中一例点了停止，界面显示成功，删除在后台又跑了约 45 分钟。截至 10月3日，四个 issue 都只有机器人打的标签，没有维护者回复。

要知道 auto mode 是 8月14日 起才成为 Pro、Max、Team 新会话默认权限模式的，官方 7 月还专门加过”遇到未解析变量的 rm -rf 先问”。规则防的是变量没解析，事故里的变量解析了，只是被解析成了空。

Codex 也没躲过。8月4日 一位 Windows 用户在 Full Access 模式下让它审计会话文件，它把 JSONL 文件路径放到了 bash 的程序位，bash 把这个文件当脚本执行，里面恰好有 Codex 自带安全说明里用反引号举例的 rm -rf $HOME，整个用户目录被递归删除，报错被吞。8月19日 OpenAI 修了另一起 GPT-5.6 Sol 拿 $HOME 当临时目录误删的问题，并且让 Full Access 不能再被误开。

所以我的判断是：在 Windows 原生环境里跑任何一家的全自动模式，风险排序不取决于你选了谁，取决于有没有 WSL 或容器隔一层。三家的护栏都是按 Unix 路径写的，到了 MSYS、cygpath、PowerShell 来回转义的环境里，总有一种写法能溜过去。

形态与入口对照

每家让我停手的那一处

Antigravity：账号风险排第一。今年 2 月谷歌封停了一批用 OpenClaw 这类第三方工具挂 Antigravity 登录的付费用户，其中包括 250 美元档的 Ultra，很多人事先没收到警告；条款写明这种用法可能连带停掉 Gemini CLI。5 月 2.0 自动更新把原本的 IDE 换成了一个提示框，有用户为了找回 IDE 不得不清数据、丢了聊天记录，那篇帖子在 Hacker News 上拿到 771 分。还有一项默认值：你和它的交互记录可能被用于训练，要自己去设置里关。

Claude Code：周上限是硬伤，Max 用户算着过日子不是段子。Opus 5.5 的思考关不掉，默认推理强度从 high 降到了 medium，想要老版本那种深度得手动拉，拉了就更费额度。

Codex：额度单位是一个没有标价的 credits，Plus 的区间宽到无法规划。Sol 爱过度设计，GPT-5.5 下架后没有退路。习惯 Cursor 那种边写边补的人会觉得它更像一个派活的同事。

我手上的分工

需要长时间盯着一个仓库、隔几个小时回来接着改的活，现在放 Codex。永久缓存加 500K 默认上下文，断点续作不心疼。

复杂重构、需要它先读懂一大片历史代码再动手的，还是 Claude Code 跑 Opus 5.5，效果最稳，代价是一周的额度要算着花。

Antigravity 我只把它当 Gemini 的前端，用来做前端页面和浏览器里点点看看的验证。指望在里面薅 Opus 5.5 不现实，Pro 那份 Claude 额度不公布也不够用。

Windows 用户不管选哪家，先装 WSL。

如果你主要在网页端和 ChatGPT 聊代码、还没碰过命令行智能体，从 Codex 的 Plus 档开始门槛最低，账号体系是现成的。

相关对比：Gemini 4 Argon、Claude Opus 5.5、GPT-6.1 Sol、Grok 4.7、Claude Opus 5.5、DeepSeek V4 Pro、从 DeepSeek V4 Pro 迁到 Muse Spark Open 或 GLM-5.3