立正或鸭哥写过cursor、codex、cloude code三者使用的大模型分别擅长什么领域工作吗?或者市面上的大模型分别擅长于做什么
提问
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。
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。
回到4份原文
解释为什么工具实际表现不能只归因于底层模型。
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。
立正明确区分模型、harness 与应长期积累的业务上下文及标准。
提供通用模型与专用模型在具体任务上可能不同的实例。