Codex，1 個月吃掉 150GB 流量，寫滿 4T 硬盤，瘋了嗎？

AI 編程工具每升級一代就重一圈。

作者｜宇航猿

編輯｜靖宇

最近在社交媒體里看到一個讓人瞠目的數字——有用戶說自從裝了 OpenAI 的 Codex 桌面端，一個月的流量直接干到了 150GB。評論區里一片共鳴，不是一個人，很多人都在說類似的事情。

150GB 是什么概念？大概相當于每天 24 小時不間斷看 4K 視頻看五六天。而這些流量，全部被一個「幫你寫代碼」的工具吃掉了。

更離譜的是，不只是網絡流量。

V2EX 上有用戶發帖說，裝了 Codex 桌面端一個月，Mac 的 SSD 寫入量暴增了 4.8TB。他平時就是正常開發工作，Codex 不用的時候也沒退出，就放在后臺。一個月下來，硬盤的寫入強度已經遠超「輕度辦公」的范疇。

這背后到底發生了什么？Codex 到底做了什么，需要這么多資源？

01

150GB 去哪了？

要理解這個數字，得先搞清楚 Codex 到底是個什么東西。

很多人以為 Codex 就是個「AI 代碼助手」，跟 GitHub Copilot 差不多，幫你補補代碼、改改 bug。但實際上，今天的 Codex 已經進化成了一個完整的 AI 開發環境——它有獨立的桌面客戶端（基于 Electron），有云端沙盒執行引擎，有 GitHub 深度集成，有手機遠程操控，甚至可以同時派出 8 個 AI agent 并行幫你出 PR。

這意味著 Codex 在你電腦上運行時，遠不只是在「聊天」。

首先是連接方式。Codex 桌面端默認使用 WebSocket 長連接做實時雙向通信。這不是普通的「發一個請求、等一個回復」，而是一條始終保持的數據管道，模型推理的中間過程、工具調用的實時狀態、代碼 diff 的流式傳輸，全部通過這條管道持續灌輸。當網絡環境不穩定時（這在很多開發者的實際使用場景中極為常見），WebSocket 會反復重連——從「Reconnecting 1/5」一直試到「5/5」，然后回退到 HTTP 流式傳輸。這些重試本身就在消耗帶寬。

然后是執行架構。Codex 的核心設計是「云端沙盒執行」。你提交一個編碼任務，Codex 在 OpenAI 的云端啟動一個隔離環境，加載你的代碼倉庫，執行修改，跑測試，最后把結果傳回來。每一輪交互都涉及大量數據的雙向傳輸——上傳代碼上下文，下載執行結果，同步中間狀態。如果你同時開了多個并行任務，這個數據量還要乘以并發數。

最后是「始終在線」的設計哲學。

Codex 桌面端不是一個「用完就關」的工具。它要保持 GitHub 代碼審查的實時同步，維護任務隊列的狀態，處理 MCP 服務器的連接，支持從手機端遠程操控。這些后臺服務都需要持續的網絡連接。即使你沒有在主動使用 Codex，它也在后臺默默工作——索引你的項目文件，維護緩存，保持心跳。這也解釋了為什么有用戶發現，「放在后臺不退出」一個月就寫了將近 5TB 的硬盤數據。

把這些加在一起，一個重度用戶每天使用 Codex 六到八個小時，配合 GPT-5.5 的超高推理模式，日均網絡流量到 3-5GB 完全正常。一個月下來，100GB-150GB 并不是夸張的數字。

02

為什么 Claude Code 沒事？

有趣的是，Anthropic 的 Claude Code 作為 Codex 最直接的競爭對手，幾乎從未出現過類似的抱怨。沒人討論 Claude Code 吃了多少流量，也沒人說它把硬盤寫壞了。

原因很簡單——兩者的產品形態從根兒上就不一樣。

Claude Code 是一個純粹的終端 CLI 工具。你打開終端，輸入命令，它幫你干活，干完了它就安靜了。沒有 Electron 桌面客戶端，沒有后臺常駐進程，沒有 WebSocket 長連接，沒有云端沙盒。

代碼的讀寫、文件操作、命令執行，全部在本地機器上完成。網絡傳輸的只有一樣東西——你發給 Anthropic API 的 prompt，和它流式返回的 response 文本。一個標準的 HTTPS 請求，拿完結果，連接就斷了。

這個架構差異帶來了一個反直覺的現象。多項評測顯示，Claude Code 在 token 消耗上其實比 Codex 更「奢侈」——有開發者記錄到，同一個復雜重構任務，Claude Code 花了 155 美元的 API 費用，Codex 只花了 15 美元。Codex 的 token 效率大約是 Claude Code 的四倍。

但 token 消耗大，不等于網絡流量大。

Claude Code 雖然單次任務吃的 token 更多，但它的交互模式是「一次吃飽」——大塊上下文丟進去，大塊結果拿回來，中間不需要反復通信。Codex 則是把任務拆成很多小步驟、很多輪次，每一步都要在本地和云端之間來回傳輸數據。token 效率高了，但網絡開銷反而更大了。

更關鍵的是，Claude Code 沒有后臺靜默消耗。你不用它的時候，它不存在。不會有進程在后臺索引你的項目，不會有服務在維護緩存，不會有心跳包在保持連接。用完即走，干干凈凈。

03

AI 工具越來越「重」

如果把視角拉遠一點，會發現 Codex 的 150GB 流量不是一個孤立事件，而是 AI 編程工具這幾年「重量級化」趨勢的一個縮影。

回顧這條演進路徑——

GitHub Copilot剛出來的時候，它做的事情很簡單，在你寫代碼時補全下一行。它本質上是一個編輯器插件，輕得幾乎感覺不到存在。

然后是Cursor、Windsurf這一代。它們開始接管整個文件的修改，能理解項目結構，能跨文件做重構。開發者的角色從「寫代碼」變成了「審代碼」。工具變重了一點，但還是在編輯器框架里。

Claude Code 再進一步。它跳出了編輯器，直接在終端里操作——讀文件、改文件、跑命令、裝依賴，一整套開發工作流都能接管。開發者的角色進一步后退到「下指令、審結果」。但它仍然是一個 CLI 工具，用完即走。

Codex 則代表了這條路的最新一站。它不再滿足于做一個「工具」，而是想成為一個「環境」——一個始終運行的、多 agent 并行的、云端和本地融合的、從寫代碼到出 PR 全包的 AI 開發平臺。Remote Control 功能甚至讓你在地鐵上用手機就能指揮家里電腦上的 Codex 繼續干活。

每升級一代，AI 編程工具就重一圈。而150GB 流量和 5TB 磁盤寫入，就是這個「重量」在物理世界的投射。

問題在于——這條「越來越重」的路，是唯一的路嗎？

Claude Code 提供了一個有趣的反例。它在 SWE-bench Verified 上的分數（Opus 4.8 拿到了 88.6%）和 Codex 的 GPT-5.5（88.7%）幾乎打平，代碼質量在盲測中被評為更好的比例甚至更高。但它的產品形態選擇了完全相反的方向——保持終端原生，保持輕量，把算力留給模型推理而不是客戶端基礎設施。

一個越來越「重」，一個刻意保持「輕」。

兩條路都有各自的擁躉。一個 500 多名開發者參與的 Reddit 調查顯示，65% 的人日常更偏好 Codex——因為它確實更省心，丟進去一個任務就不用管了。但盲測代碼質量時，67% 的人認為 Claude Code 的輸出更干凈。

很多頂級開發者已經用腳投票選擇了「混合路線」——用 Claude Code 做初始架構和功能生成（因為它的上下文理解更深），再用 Codex 做代碼審查和 debug（因為它更快更省 token）。一位開發者的總結流傳很廣——「Claude Code 管架構，Codex 管打字」。

這大概就是當前 AI 編程工具最真實的圖景。不存在一個絕對正確的「重量」。重有重的好處——Codex 的后臺并行執行和 GitHub 深度集成確實讓很多工作流變得更流暢。輕有輕的好處——Claude Code 的純終端設計讓開發者對自己的環境保有完全的控制權。

但如果你看到 150GB 流量這個數字會本能地覺得「這也太夸張了」，那或許值得認真想一想——當 AI 編程工具從「你偶爾調用的助手」演化成「始終運行的基礎設施」，它在你的開發環境里占的「重量」，正在以一種你可能沒注意到的速度增加。

而這個重量，你的硬盤知道，你的網絡流量知道，你的電費賬單也會慢慢知道。

*頭圖來源：Cyber Press

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

蘋果 6 月悄悄調價，Mac、iPad、Vision Pro 等 14 款產品大幅漲價，最高漲 3500 元，唯獨 iPhone、耳機、手表紋絲不動。庫克接受采訪時，罕見用「百年一遇」形容這輪內存短缺。這背后真的只是成本問題嗎？還是 AI 內卷正在向普通人征收一筆「內存通脹稅」？

今晚 20:00，極客公園視頻號直播間，我們請來《屠龍之術》主播莊明浩、怒喵科技創始人 & CEO 李楠帶你拆解 AI 繁榮背后，藏在供應鏈里的漲價真相！