免费AI编码助手实测：两款模型表现持平Claude Code

近期，社区中不乏关于“替代Claude Code”的讨论，Codex、Antigravity和OpenCode等工具频繁被提及为潜在竞品。为验证这些工具的实际能力，笔者选取了一项典型的日常编码任务——构建一个完全离线的基准测试数据整理工具，对这三款工具进行了横向评测。

测试目标是一个单文件HTML应用，需满足以下核心需求：无需账户、服务器或网络连接即可在浏览器运行；支持录入游戏名称、预设及平均FPS；以列表形式展示记录并高亮每个游戏的最快成绩；支持选取两次运行计算百分比差异（以首次点击为基准）；支持删除记录；刷新页面后数据不丢失。

所有工具均在空文件夹中基于同一提示词进行单次生成，无后续引导或修正。具体配置如下：

评估维度涵盖六项：添加运行、高亮最快、基准设定、删除功能、数据持久化以及工具自检能力。

OpenCode在本地硬件上运行，思考耗时约1分42秒，生成了简洁的代码。然而，它在六项检查中仅通过四项，主要问题出在基准计算的数学逻辑上。

测试发现，该模型并非依据用户的点击顺序确定基准，而是错误地根据列表位置判定。例如，当用户首先点击120 FPS的记录时，它仍将较低值（100 FPS）视为基准，导致性能差异计算错误。这一隐蔽Bug仅在特定输入和点击顺序组合下显现，若不经细致排查极易被忽略。

Gemini 3.8 Flash生成的工具在界面设计上表现卓越，不仅通过了全部六项检查，还额外提供了游戏标题建议、搜索筛选、排序及统计栏等功能，甚至包含一个“交换角色”按钮以简化基准切换操作。

值得注意的是，该模型在交付前主动进行了语法检查和逻辑测试，展现了较强的自检意识。但其代码量高达1,976行，约为其他工具平均值的五倍，且生成了冗余的镜像备份文件，总耗时3分钟。尽管存在“过度工程化”倾向，但其完成度和用户体验对于免费模型而言令人印象深刻。

Codex基于GPT-5.6 Terra模型，耗时2分42秒完成生成，同样通过了全部六项检查。其输出风格务实，严格遵循提示词要求，未添加多余功能。与Claude Code相比，Codex的主要差距在于深度：虽然它执行了语法检查，但未像Claude Code那样在浏览器环境中实际运行并测试页面功能。

尽管Claude系列模型在各类智能体编码基准测试中仍占据主导地位，但本次测试显示，Codex和Antigravity两款免费/低成本工具在日常编码任务中的表现已与Claude Code持平。对于普通开发者而言，二者之间的性能差距已不再是不可逾越的鸿沟。