一句话结论
纯文字的 PM 活——收紧 PRD、总结 backlog、压缩臃肿文档——Claude（Opus 4.7 / Sonnet 4.6）通常赢在口吻和判断力，而且 Claude Pro 一份 20 美元/月就有。但凡涉及仓库、表格，或者那种”去把这件事办了再回报”的多步任务，Codex（跑 GPT-5.5）赢在它真会执行，不只是起草。一个老实话：「Codex」是 OpenAI 的智能体编码界面（终端、IDE、云），所以纯写作任务里你其实是在拿 Claude 比 ChatGPT 里的 GPT-5.5。截至 2026 年 6 月，两边顶配套餐都是 20 美元/月，所以决定因素是契合度，不是价格。
PM 最先踩的命名坑
先把概念理清：Codex 不是聊天机器人。它是 OpenAI 的智能体编码系统——一个统称，下面挂着终端 CLI、IDE 插件、ChatGPT 里的云端任务委派、还有 GitHub 机器人，共用同一个账号，目前跑 GPT-5.5（2026 年 4 月 23 日发布，是 GPT-4.5 之后第一个彻底重训的基座）。它能写文档、做表格、端到端操作软件，但重心是「在某个环境里执行一个多步任务」，不是「在对话框里答我」。
所以当 PM 说「Claude vs Codex 写我的 PRD」时，里头其实藏着两个真问题：
- 对话框里的纯文字活： Claude（Opus 4.7 / Sonnet 4.6）对 ChatGPT 里的 GPT-5.5。这是 PM 一周里的大头。
- 任何要碰文件系统、要产出真实交付物的活： Claude Cowork 或 Claude Code 对 Codex。这才是 Codex 的执行力能赚回成本的地方。
把这两件事分清楚，就是公平测试和”凭感觉吵架”的区别。
两份套餐到底各花多少钱（2026 年 6 月）
| Claude Pro | ChatGPT Plus（含 Codex） | |
|---|---|---|
| 价格 | 20 美元/月（按年付 17 美元/月） | 20 美元/月 |
| 旗舰模型 | Opus 4.7 + Sonnet 4.6 | GPT-5.5（Instant / Thinking / Pro 三档） |
| 自带智能体界面 | Claude Code + Claude Cowork（macOS/Windows 均已正式版） | Codex（CLI、IDE、云、GitHub） |
| 上下文窗口 | 100 万 token，标准价、无附加费 | Codex 40 万；ChatGPT Plus 应用内约 320 页 |
| API 价（输入/输出，每百万 token） | Opus 5/25 美元，Sonnet 3/15 美元 | GPT-5.5 5/30 美元 |
两份消费版都是 20 美元/月，所以「哪个更便宜」是个伪命题——一样贵。（来源：Claude 价格页、OpenAI 价格页。）真正的变量是哪个能用更少的返工把你这件具体的活做完。
三件 PM 活，正面对打
1. 写 PRD
同一份没写完的 PRD 各贴一份，prompt 都一样：「收紧问题陈述、加一节风险、给三条可量化的成功指标。」
- Claude 散文更紧，风险措辞更尖、更诚实。Opus 4.7 的判断力在这里最明显：问题陈述薄弱时它会顶回来，而不是给你粉饰一下。
- GPT-5.5 / Codex 标题结构更狠，成功指标也更大胆（有时过头）。如果你的 reviewer 想要一个填满的硬模板，它落地更快。
按 review 文化挑：偏散文的团队靠 Claude，偏模板的团队靠 Codex。
2. 整 JIRA
把 30 条陈年票导成文本，各问：「分成保留 / 合并 / 关闭，每条一行理由，标出重复。」
- Claude 很少主动关——它偏向「合并」并标注模糊处。它的合并可以放心信；要它真去关掉死票得推一把。
- Codex 关得自信，而且偶尔自信地关错。每个关闭都要核。它的真本事在下一步：在 Codex CLI 里你可以让它通过 JIRA MCP/API 直接打开这些票并落地修改，不只是给建议。
3. 文档清洗
把八个作者写过那篇贴进去：「砍 40% 长度但不丢内容、合并冗余段、标出缺来源的句子。」
- Claude 赢在压缩时口吻一致——砍完那版读起来还是一个人的声音。
- GPT-5.5 / Codex 赢在结构重排。如果这篇的毛病是顺序而非长度，就偏 Codex。
| 任务 | Claude 优势 | Codex / GPT-5.5 优势 |
|---|---|---|
| 写 PRD | 散文更紧、风险更诚实 | 硬模板填充、指标更大胆 |
| 整 JIRA | 合并可信、误关率低 | triage 自信 + 能直接 落地 改动 |
| 文档清洗 | 一个口吻的压缩 | 结构重排 |
90 分钟测试（拿你自己这周的活跑）
空对空比较只会绕圈。拿真活跑，一个半小时就出结论：
- 挑三份真东西：一份没写完的 PRD、一个 30+ 条陈年票的 backlog、一篇要砍掉约 40% 的文档。玩具任务只给玩具信号。
- 给两边附上同一份 voice 锚（团队写作规范或 PRD 模板）。没有它，两个模型都会变成「任意 PM 工具」那个味，测试也不公平。
- 每件事用完全相同的 prompt 跑两个模型。prompt 是测试的一部分——按模型换 prompt 就让结果作废了。
- 每次计时、记 token 用量。每件事预算约 30 分钟。
- 让一位同事盲读两份输出。他的偏好是数据点，你的是偏见。
三件活跑完你就有一张 3×2 的「任务 × 模型」矩阵。每件事按盲读多数票定默认模型。
要盯着的漂移
- Claude 会软化强结论。如果你要风险那一节保持直白，就明说「不要兜圈子」。
- GPT-5.5 / Codex 会编出听着像真的缩写，关票也会过分自信。任何缩写、任何 JIRA 关闭，落地前都要核。
两个都能 prompt 矫正，下一个任务也都会再犯。任何清洗之后，把被砍的段跟原文 diff 一下，确认没删掉承重内容。
定一个默认，然后守住它
季度初跑一次 3 任务测试，每件事定一个默认模型，整季度都用它。别在一周中间临时切：把一个交付物在两个模型间搬来搬去的上下文成本，加上跨模型续写带来的漂移，比那点边际质量提升大。每约 12 周复测一次——模型版本在动（GPT-5.5 是 4 月发布的，Claude 也以相近节奏刷新 Sonnet/Opus），结论到下个季度就会过期。
团队也用这两个模型写代码的，搭 Claude Code vs Codex 对照 一起看。写作那侧，用 Claude 写作的工作流 和 Claude Projects（跨多份 PRD 持久保留 voice 锚）可以直接套用。
FAQ
- PM 到底该用哪个？：单挑没赢家。Claude（Opus 4.7）通常赢在散文紧凑、风险诚实、压缩时口吻一致。Codex / GPT-5.5 赢在硬模板填充、结构重排，以及任何你想让工具去执行——直接落地 JIRA 改动、产出真表格——而不只是起草的场景。按任务挑，不按品牌挑。
- 两份订阅真都得买吗？：常常不用。Claude Pro（20 美元/月）自带 Claude Code 和 Claude Cowork，一份 20 美元就覆盖了写作加轻度执行。只有当你一周里有相当一块活是绑仓库或表格的，才再加 ChatGPT Plus（20 美元/月，含 Codex）。如果这套测试每周给你省下两小时以上的编辑时间，第二份 20 美元订阅就回本了。
- 「Codex」用在非代码的 PM 活上合适吗？：聊天式的纯文字活，你其实是在拿 Claude 比 ChatGPT 里的 GPT-5.5——和 Codex 同一个模型。真正去用 Codex 界面（CLI/IDE/云）是在有文件系统、有仓库、有多步任务要收尾时，而不是只有一段话要写时。
- 那 Gemini 呢？：Gemini 3.1 Pro 强在 Workspace 深度——直接在 Google Docs、Sheets、Gmail 里起草，Google AI Pro（19.99 美元/月）上带 100 万上下文。如果你的 PRD 就活在 Docs 里、协作比纯散文判断力更重要，那也值得一测。本文专比 Claude 和 Codex。
- 这套结论下季度还成立吗？：部分单元会变。漂移模式（Claude 兜圈、Codex 过分自信）相对稳定；速度、token 成本、triage 准度会随版本更新。留一份
pm-bench.md，放你那三件标杆任务，每约 12 周复测一次。