运行 Claude Code 和 Codex 不需要高性能电脑。两者负责思考的模型都在服务器上运行，因此 AI 思考和写作的时间不会因为换一台新电脑而缩短。电脑性能影响的，是 AI 要求执行的构建、测试、搜索等在本地运行的命令所花的时间，以及内存是否够用（不够时整体会变慢）。
工作时间分为两部分
你的电脑
本地时间
- 运行 AI 要求执行的命令（构建、测试、搜索、Docker）
- 工具和应用本身的运行（内存是否够用）
随电脑性能而变
服务器（Anthropic、OpenAI）
模型时间
- AI 思考、写回复和代码
- 加速靠快速模式（价格和用量额度）
换电脑也不会变
本文基于两个工具的官方信息，以及笔者电脑上保留的工作记录，从如何区分这两部分时间讲起。两个工具不同的地方，用 Claude Code 和 Codex 的颜色并排标示。
1. 官方系统要求
以下为官方文档中的条件（2026年10月24日确认）。两者都未公布推荐的内存容量。Claude Code 的 4GB 只是运行所需的最低数值。
“Windows 原生”指不使用 WSL（Windows 内的 Linux），直接在 Windows 上运行。沙箱是隔离 AI 所执行命令的机制。出处：Claude Code 的“Set up Claude Code”和“Sandboxing”；OpenAI 的“Codex CLI”“ChatGPT desktop app”“ChatGPT desktop app for Linux”“Sandbox”；Codex CLI 的安装文件见 GitHub Releases。
2. 耗时构成——哪些部分会随电脑而变
比例会因工作类型和电脑而有很大差异，因此最可靠的做法是测量自己工作的构成（测量方法见第6章）。下面是笔者电脑上保留的两个工具记录的一个示例，供参考。
请不要直接比较这两个数字（分母和统计单位都不同）。统计条件：2026年9月20日至10月24日开始的会话。电脑为 Intel Core i9-10900K、48GB 内存、Windows 11，工作文件夹位于 HDD 上，且多为通过脚本读写大量文件的工作。Claude Code 主要为 Opus 5.5 的会话（不足 1 分钟的已排除）；Codex 为使用 GPT-6.1 Sol、GPT-6 Astra 且已完成的任务（对一次请求的响应；中途停止的已排除）。两份记录都无法判断是否包含等待审批的时间（若包含，本地占比会显得较大）。
在这台基于 HDD 的电脑的示例中，两个工具的本地时间都占了不容忽视的比例。在使用 SSD 的电脑上，这一比例可能会更小。在更快的电脑上可能缩短的，只有这一部分；模型时间不会因换电脑而改变。关于是否换电脑的判断方法，已在第8章中总结。
3. 提速靠设置和定价，而非电脑
想缩短模型时间，有效的是服务器端的设置和所用的模型。下面并排列出两个工具的快速模式（2026年10月24日确认）。
Claude Code fast mode
最快 2.5 倍 速度
- 费用
- 标准单价的 2 倍（Opus 5.5 下每百万 token 输入 $8、输出 $40）
- 模型
- Opus 5.5、Opus 5、Opus 4.8
- 可用人群
- Pro、Max、Team、Enterprise（从用量积分中扣费，而不是用量额度）以及 Claude Console
- 切换方式
/fast
Codex Fast mode
未标明倍率
- 费用
- 消耗套餐用量额度的标准 2.5 倍（购买的积分按 2 倍计）
- 模型
- GPT-6.1 Sol、GPT-6 Astra、GPT-6 Sol、GPT-6 Luna 等
- 可用人群
- 使用 ChatGPT 登录时
- 切换方式
/fast（桌面应用和编辑器扩展中也可用）
Codex Ultrafast
最快 8 倍 速度（GPT-6 Astra）
- 费用
- 消耗 8 倍的用量额度（购买的积分按 6 倍计）
- 模型
- GPT-6 Astra、GPT-6.1 Sol（Sol 的倍率未标明）
- 可用人群
- Pro $500（月付）以及符合条件的 Enterprise 和 Edu
- 切换方式
- 未标明（符合条件的套餐可在模型选择中确认）
出处：Claude Code 的“Speed up responses with fast mode”、Anthropic 的“Pricing”，以及 OpenAI 的“Speed”。
两个工具也都有不增加费用就能缩短模型时间的方法。
| 方法 | Claude Code | Codex |
|---|---|---|
| 简单的工作使用较轻的模型 | 用 /model 切换到 Sonnet 或 Haiku | 用 /model 切换到 GPT-6 Luna 等 |
| 降低思考强度（effort） | /effort | 在 /model 中与模型一起选择 |
| 减少读取的量 | 明确指定范围，例如“这个文件夹里的这个函数”/对话变长时，进行总结或开始新的对话 | |
思考强度调低，速度更快、费用更低；调高，耗时更长，但会更深入地思考（Claude Code 的“Model configuration”，OpenAI 的“Speed”）。对于困难的任务，调高有时能提升质量，因此请根据工作内容切换。关于用量额度和超出后的额外费用，已在“Claude Code 的 token 节省技巧与达到上限后的额外费用”和“ChatGPT Pro 套餐对比（价格与用量额度）”中详细说明。
4. 电脑配置与使用方式的影响
内存——由同时运行的程序决定
AI 工具会与浏览器、编辑器、Docker 和开发用服务器一起运行。所需的量由同时运行的所有程序的总和决定，不够时会退避到磁盘（交换空间），导致整体变慢。工具本身也有影响：Claude Code 在单个会话超过 2.5GB 时会发出警告（Codex 未公布参考值）。
CPU 和存储——构建、测试和搜索
AI 执行的构建和测试所花的时间，与手动执行几乎相同。文件的搜索和读取速度，取决于是 SSD 还是 HDD，以及文件的数量。把较大的构建输出文件夹加入 .gitignore，使其不被搜索，也会有帮助（这是 Claude Code 官方推荐的方法）。
运行方式——避免同时运行繁重的进程
如果 Docker 构建或虚拟机在同一台电脑上运行，AI 的命令就会与它们争抢 CPU 和内存，导致等待。请求执行较长的构建或测试时，先停止其他繁重的进程，可以缩短本地时间。
5. 在 Mac、Windows、Linux 上使用
两个工具都能在三种操作系统上运行。各系统之间的区别在于，能否使用隔离并执行 AI 命令的机制（沙箱）（2026年10月24日确认）。
| 运行环境 | Claude Code | Codex |
|---|---|---|
| Mac | 可用 使用 macOS 的机制（Seatbelt），无需额外设置 | 可用 macOS 机制（Seatbelt） |
| Windows 原生 | 不可用 若已安装 Git for Windows 则使用 Bash 执行命令，否则使用 PowerShell | 可用 Codex 自带的沙箱（见下表） |
| WSL 2 | 可用 需要 bubblewrap 和 socat | 可用 与 Linux 相同的机制（bubblewrap 和 seccomp） |
| WSL 1 | 不可用 Claude Code 本身可以运行 | 不支持 Codex 自 0.115 起已不再支持 |
| Linux | 可用 需要 bubblewrap 和 socat | 可用 bubblewrap 和 seccomp |
出处：Claude Code 的“Sandboxing”；OpenAI 的“Sandbox”和“Windows sandbox”（2026年10月24日确认）。
Claude Code 在 Linux 和 WSL 2 上设置沙箱
安装 bubblewrap 和 socat。在 Ubuntu 或 Debian 上使用 sudo apt-get install bubblewrap socat；在 Fedora 上使用 sudo dnf install bubblewrap socat。可以在 Claude Code 中执行 /sandbox，在“Dependencies”标签页中查看是否缺少某些组件。Mac 使用 macOS 的机制（Seatbelt），因此无需额外设置。
Codex 在 Windows 原生环境下使用时的沙箱方式
按从上到下的顺序，选用可用的三种方式之一。最新的 MXC（Microsoft Execution Containers）使用 Windows 自带的进程隔离机制。关于 Linux 和 WSL 2 是否需要额外安装，文档中没有说明。
| 方式 | 条件 | 定位 |
|---|---|---|
| MXC | Windows 11 24H2（OS 版本 26100.9278 或更高）或 25H2（OS 版本 26200.9278 或更高），且已安装 Microsoft 分批推送的 MXC 功能 | 推荐（无需管理员批准或防火墙设置） |
| elevated | 需要管理员批准的默认设置 | MXC 不可用时的第一替代方案 |
| unelevated | 组织策略允许的设置 | 最后的替代方案（网络隔离较弱） |
OS 版本可以在“设置”→“系统”→“关于”的“Windows 规格”中确认。要确认 MXC 是否实际可用，请使用 Codex CLI（0.162.0 或更高版本），在项目文件夹中于 PowerShell 执行以下命令。如果输出 MXC_OK 且退出代码为 0，即可使用。
codex -c windows.sandbox=mxc sandbox --include-managed-config --permission-profile :workspace -- cmd.exe /d /c echo MXC_OK
$LASTEXITCODE使用 Windows 原生还是 WSL 2，基本上取决于项目是用哪套工具链运行的。如果使用面向 Linux 的构建工具，WSL 2 更自然；如果开发 Windows 应用，Windows 原生更合适。如果想在 Claude Code 中使用沙箱，则需要 WSL 2。
6. 判断“慢”的原因
换电脑之前，请先确认时间花在哪里。两个工具的步骤相同。
- 在屏幕上确认哪里慢
- 如果本地时间较长，确认更换电脑的效果查看第8章中的三点。
用数字测量耗时构成（读取记录文件，适合熟练用户）
| 测量项 | Claude Code | Codex |
|---|---|---|
| 模型时间 | /usage 中的“Total duration (API)” | 以总时长减去命令执行时间作为估算 |
| 本地时间估算 | 记录（~/.claude/projects 下的 JSONL）中会话结束时 cost-state 行的 totalToolDuration（也包括网页获取等） | 记录（~/.codex/sessions 下的 JSONL）中类型为 CommandExecution 的 item_completed 行的 started_at_ms 与 completed_at_ms 之差 |
| 总计 | /usage 中的“Total duration (wall)”（包括等待输入的时间） | task_complete 行的 duration_ms |
这些是第 2 章统计时使用的相同数值。记录的位置见各公司的官方文档，但项目的读取方法是笔者阅读记录后自行确认的，官方并无说明。Codex 的思考时间（类型为 Reasoning）不包括写回复和代码的时间，因此模型时间的总计需要用减法估算。两份记录都无法判断是否包含等待审批的时间。
7. 卡顿或死机时的应对
如果工具本身运行缓慢或卡死，请先尝试各工具的官方方法，再考虑电脑性能。首先将工具更新到最新版本；如果会话很长，先关闭再重新打开，这是两者共同的第一步。
Claude Code
- 出现内存警告（单个会话的堆内存超过 2.5GB）时，重启并用
claude --continue继续 - 对话较长时使用
/compact；大型任务之间重启 - 用
claude --safe-mode去掉插件、MCP 服务器和钩子后进行对比 - 无响应时按 Ctrl+C；若无效，关闭终端后使用
claude --resume - 如果主文件夹位于网络上（如 NFS），请把程序放在本地磁盘上
官方的Troubleshooting页面针对 CLI。桌面应用请先更新并重启。
Codex
- 看似卡住时，先确认是否在等待审批
- 确认终端中
git status之类的简单命令能否运行 - 如果不行，用范围缩小的请求开始一个新的聊天
- 终端卡住时重新打开面板；如果仍然如此，待聊天结束后重启应用
- 定时运行使 worktree（Git 的工作副本）增多时，将不需要的运行归档
官方的Troubleshooting页面针对桌面应用。CLI 请先更新，然后开始新的会话。关于 Windows 应用的卡顿，OpenAI 工作人员在 GitHub 上说明，2026年8月28日的版本（ChatGPT v26.825.32147）修复了其中一个原因（openai/codex #20214）。
8. 换电脑前要确认的三件事
如果以下三点都不符合，换电脑对工作耗时几乎没有影响。关于第二点：如果工作文件夹在 HDD 上，先迁移到 SSD 会更省钱。
内存是否已经不够用
在平时工作时（打开 AI 工具、浏览器、编辑器和 Docker 的状态下），用下表的方法查看。如果一直接近上限，增加内存会有效果。新电脑可以以此时的用量 + 想增加的部分 + 余量作为参考。
有没有手动运行也很慢的命令
用第6章的方法找出较长的命令，然后手动运行并计时。如果确实很长，CPU 或存储更快的电脑可以缩短它。如果是 HDD，先换成 SSD是最省钱的办法。
同时运行的数量是否在增加
如果想同时运行更多会话、子代理或 Docker 容器，内存和 CPU 核心数就很关键。
| 确认项 | Windows | Mac | Linux |
|---|---|---|---|
| 内存 | 任务管理器的“性能”→“内存”，查看“已使用”是否一直接近上限 | 活动监视器的“内存”标签页中，“内存压力”是否为黄色或红色 | free -h 的 available 是否还有剩余 |
| SSD 还是 HDD | 任务管理器的“性能”→“磁盘” | “系统信息”中“存储”下的“介质类型” | lsblk -d -o name,rota（ROTA 为 1 则是 HDD） |
9. 如果在本地运行模型，情况就不同了
以上内容都是模型在服务器上运行的 Claude Code 或 Codex 的情况。如果用 Ollama 等工具在自己的电脑上运行模型，电脑性能就直接决定了速度。尤其是 GPU 显存（VRAM）和内存的容量，决定了能运行的模型大小以及回复的速度。关于电脑的选择，请参阅“运行本地 LLM 所需的配置”；关于入门方法，请参阅“如何运行本地 LLM”。
10. 总结
- 不需要高性能电脑。Claude Code 的 CLI 需要 4GB 以上内存、x64 或 ARM64 以及互联网连接。Codex 未公布内存或 CPU 的数值。两者都不需要 GPU。
- 模型时间不会因电脑而改变。想要更快，可以使用快速模式（会消耗更多价格或用量额度）、较轻的模型、调低思考强度，或减少读取的量。
- 电脑影响的是本地时间（构建、测试、搜索、Docker）。在笔者 HDD 电脑的示例中，两个工具的本地时间都占了不容忽视的比例。比例会因工作和电脑而不同，因此决定前请先查看自己的构成。
- 操作系统影响的是沙箱。在 Windows 原生环境下，Claude Code 不可用（使用 WSL 2 则可用），Codex 可用（推荐方式需要较新的 Windows 11 版本）。
- 遇到卡顿或死机，应先使用各工具的官方方法。只有确认本地时间较长后，才考虑更换电脑。
FAQ
Q. 用内存较少的 Mac 或便宜的笔记本电脑也能用吗？
A. 如果满足 Claude Code CLI 的要求（见第1章的表格），例如 4GB 以上内存以及 x64 或 ARM64 等，就可以运行。Codex 未公布要求的数值，而 Mac 桌面应用的下载标注为 Apple 芯片版（CLI 也提供 Intel Mac 版本）。两者的模型时间都与高性能电脑相同。差别出在本地运行的命令，以及同时运行多个应用时的内存上。
Q. 8GB 内存够用吗？
A. 两个工具都没有公布推荐容量。Claude Code 的最低要求（4GB）已经超过，但是否够用取决于同时运行的程序的总和。参考方法是：当前工作时的用量，加上想增加的部分，再加上余量。测量方法请参见第8章的第一点。
Q. 换新电脑后会变快吗？
A. 模型时间不会改变。只有构建、测试、搜索等本地时间会缩短。哪一部分更长取决于工作内容，因此请先用第6章的构成分析来确认。
Q. Claude Code 和 Codex 需要的电脑不同吗？
A. 差别不大。两者的模型都在服务器上运行，你的电脑只负责工具本身以及 AI 要求执行的命令。主要差别在沙箱上：在 Windows 原生环境下，Codex 可以使用（推荐方式需要较新的 Windows 11 版本），而 Claude Code 不可用（使用 WSL 2 则可用）。
参考的官方页面（2026年10月24日确认）：Claude Code 的“Set up Claude Code”“Sandboxing”“Troubleshooting”“Speed up responses with fast mode”；OpenAI 的“Codex CLI”“ChatGPT desktop app”“Sandbox”“Windows sandbox”“Speed”“Troubleshooting”。价格和要求可能会变化，使用前请在官方页面确认。
