一句话看懂：一篇技术拆解文章对比了 Claude Code 与 OpenAI Codex 在 Computer Use 上的实现路径：前者依赖 Anthropic API 的 computer_use 工具集，后者在 GPT-5.4 上走向通用模型原生支持，两者在动作集、API 协议和视觉输入限制上存在明显差异。
事件核心：发生了什么
2026 年 10 月，掘金作者“怕浪猫”发布对比文章，拆解 Claude Code 与 OpenAI Codex 的 Computer Use 原理。文章指出，Claude 系列视觉模型内置 computer use 能力，通过 Messages API 的 computer_use 工具集实现，需显式传递完整 messages 历史；OpenAI 则从 2025 年 1 月的专用 CUA 模型（GPT-4o 加 RL 训练）演进到 2026 年 3 月 GPT-5.4 原生支持，Responses API 可用 previous_response_id 自动链接上下文。动作集上，Claude 约 17 种，支持右键、三击、hold_key 和鼠标按下/释放；OpenAI 核心约 9 种，但提供 environment 参数提示运行环境。视觉输入方面，Claude 4.6 最大长边 1568px、Opus 4.7 为 2576px，GPT-5.4 在 original 模式下可达 6000px，并引入 low/high/original 的 detail 选项。
为什么重要
Computer Use 正从专用浏览器代理走向通用模型能力，这会影响 AI 应用在桌面自动化、RPA 和 Agent 产品上的技术选型。两条路线各有取舍：Claude 的工具集更细粒度，适合需要精确控制鼠标键盘的场景；OpenAI 的上下文自动管理更省 token，environment 参数则降低跨平台适配成本。目前公开信息显示，OSWorld-Verified 基准上 Claude Opus 4.7 为 72.7%、GPT-5.4 为 75.0%，但文章也提醒测试设置不同，数字不完全可比，不宜当作永久排名。
对用户/开发者/创作者的影响
开发者接入时需注意：Claude 要求发送前手动缩放截图到 API 限制内，否则静默下采样会导致坐标空间不匹配，这是点击不准的常见原因；OpenAI 需显式声明 display_width/height 与 environment。创作者若用这类能力做自动化内容操作，应优先评估动作精度和视觉分辨率，而非只看模型名称。企业采购则要关注安全机制差异，原文提到 Claude 有内置抵抗加分类器检测截图中的恶意指令，OpenAI 在 API 层设置三类安全检查并可能返回 pending 状态等待确认。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 GPT-5.4 原生 computer use 在实际 Agent 产品中的落地效果和错误率；二是 Claude 后续版本是否跟进 environment 类环境提示与更灵活的图片 detail 控制；三是双方在 prompt injection 防护上的策略是否会趋同，以及基准成绩能否在统一测试条件下复现。
来源：juejin
