2026和AI一起寫程式 - 6. 再談 AI 與 沙堆模型程式

前篇：2026 和 AI 一起寫程式 - 5. Android Studio

前篇：2026 和 AI 一起寫程式 - 4. 沙堆模型 Abelian Sandpile Model 曼陀羅 Mandala

( 圖 by Midjourney )

Github - https://github.com/neojou/sandpile

1. git 學習

和 Grok AI 一起 workout README.md 檔案

也學到了 git commit --amend 和 force push 的做法

Git 常用指令

2. IntelliJ IDEA force push

另外在用 IDEA push 時, 有遇到Force Push 是灰色的 / 不能點 

→ 檢查你的分支是否被設為「受保護分支」（protected branch）。 

去 Settings (Preferences) → Version Control → Git → Protected branches，把 main/master 從清單移除即可（單人專案通常不需要保護）。

Grok AI 的這個建議的確有幫助到我！

3. kotlin

在 review code 時, Grok AI 有發現我的 TAG 用得不大對;

我想要對比的, 是類似 Java 的 private static final , 這樣記憶體中, 只會佔有一份

(1) const

如果是針對一個檔案, 而非在物件內的話, 可以宣告 const

例如： private const val TAG = "APP"

  (2) companion

      如果是在物件內, 可以使用 companion 

      Companion object 具有以下特點 :

• 定義在類別內部：必須宣告在 class 內部，不能單獨存在
• 每個類別只能有一個：一個 class 只能有一個 companion object
• 名稱可選：可以命名也可以不命名，不命名時預設為 Companion
• 本質是單例物件：companion object 是 Singleton，在類別載入時就會創建

例如：

修改好後, AI 也能建議怎麼寫 commit ^^

===

最近 剛好 GPT-5.3 Codex 和 Claude Opus 推出, 讓 Grok AI 比較一下如下：

目前（2026年2月），GPT-5.3 Codex（OpenAI）和Claude Opus 4.6（Anthropic）是兩個剛在同一天（2026年2月5日）發布的前沿agentic coding模型，兩者在寫程式能力上已經非常接近，業界有「The Great Convergence」的說法，幾乎難分高下，但各有明顯側重。

以下從多個面向比較，包含你提到的context window、autonomy（自主性）、實例等：

面向	GPT-5.3 Codex (OpenAI)	Claude Opus 4.6 (Anthropic)	目前短期誰略勝？（主觀業界共識）
Context Window	約 200k–400k（延續GPT-5.2系列，官方未特別強調突破）	1M token（beta），Opus系列首次達到百萬級	Claude 明顯勝出（大型專案/重構）
Autonomy / Agentic 持續時間	強調interactive colleague，可中途steer、不丟context，適合長時間但有人陪跑	更偏向long-running、少干預，planning更謹慎，sustain更久	Claude 略勝（無人看管長任務）
Coding 純實力（SWE-Bench等）	SWE-Bench Pro / Verified 極高，Terminal-Bench 77.3%	Terminal-Bench 2.0 第一，SWE-Bench 也極高（部分領先）	幾乎平手，視benchmark而定
速度	25% 更快（官方宣稱）	較慢，但品質更高	GPT 勝
Debug / Self-correction	強，但偶爾仍犯低級錯	更好code review & self-catch mistake	Claude 略勝
大型專案 / 多檔理解	很好，但context較小較吃力	1M context + 大型codebase可靠性提升	Claude 明顯勝
Multi-agent / 平行分工	目前較少強調native multi-agent	Agent Teams 原生支援（16個平行Claude）	Claude 大勝
Reliability / 少犯蠢錯	非常可靠，少dumb mistake	極高，尤其複雜邏輯	平手或Claude微勝
互動性 / 好用感	更像「同事」，願意主動做、快、溫暖	更謹慎、專業，但有時過度保守	GPT 日常勝
價格（API）	競爭性定價（詳細看OpenAI）	$5 / $25 per M（input/output），長context加價	差不多

兩個經典實例對比

1. Claude 16分身寫 C compiler
   Anthropic 官方展示：使用 Agent Teams 功能，讓 16個平行 Claude Opus 4.6 自主協作，兩週內從零寫出一個用Rust實作的C compiler（約10萬行程式碼），無需人類頻繁介入。
• 能編譯 Linux kernel 6.9（x86/ARM/RISC-V）
  
• GCC torture test 通過率 99%
  
• 還順便編譯了 Doom、QEMU、FFmpeg、SQLite 等
  這是目前公開最震撼的「多代理自主完成極難系統程式」案例，展現了強大的長期自主性 + 平行分工能力。

1. GPT-5.3 Codex 參與自己開發 / 自加速
   OpenAI 官方表示：GPT-5.3 Codex 是「第一個幫助創造自己的模型」，早期版本被用來
   • debug 自己的訓練流程
     
   • 管理 deployment
     
   • 診斷評估結果
     大幅加速了 Codex 團隊的開發速度。
     這雖然不是像 C compiler 那樣完整的公開產品，但象徵了更接近「自我改進循環」的里程碑，也顯示它在coding之外的專業知識與工具使用能力很強。

快速結論（2026年2月現況）

• 如果你主要做超大型專案、重構、需要一次塞很多code、或想完全放手讓AI自己跑很久 → 選 Claude Opus 4.6（1M context + Agent Teams 目前無敵）
• 如果你想要更快、更可靠的互動、日常開發、喜歡中途指揮、或預算/速度敏感 → 選 GPT-5.3 Codex（25%更快 + interactive colleague 風格）
• 真實多數頂尖開發者現在的做法：兩個都用，視任務切換（很多團隊 Claude 做架構與困難邏輯，Codex 做快速迭代與產出）。

兩者差距已經小到「看個人風格與當下benchmark誰剛好領先一點」，而不是以前 Claude 全面碾壓 coding 的時代了。