大家好，我是刀哥。做过大厂研发、做过出海硬件，现在深耕 AI 编程和 AI 工具。

一、OPT：一个人就是一支队伍

2026年上半年，阿里巴巴内部开始推行一个叫 "OPT" 的新机制——One Person Team，一人团队。

对，没看错，阿里是会造词擦边的，把全国火热的opc一改，变成opt了。

以前一个项目，产品出需求、设计给方案、前端写页面、后端搭接口、测试找bug，环环相扣，层层接力。现在，链条压缩到一个人身上：你一个人，就是整条业务链路。前端要懂后端，后端要顾前端，运营得会看数据，产品得能写SQL。

官方说法很漂亮：砍掉沟通成本，提升决策效率。阿里内部347赞的热帖评论区，一眼望过去全是焦虑——一个人干三个人的活，工资涨不涨另说，压力是实打实的。有员工调侃："以前是团队作战，现在是一个人扛着整个项目的KPI。"

政策能不能落地不好说，但信号很明确：组织在变轻，个人得扛得住。

问题是，一个人怎么扛？

阿里给出的答案是——AI。今年年初，阿里不仅提供内部自研模型的免费额度，还对外部模型实行大额报销，员工可以自由选择 Claude、GPT、Gemini 等外部AI工具。部分程序员每周消耗额度高达数百美元，Claude Code 更是成为高频工具。

在阿里的OPT蓝图里，每个员工都应该是一个"超级个体"——自己用AI写代码、自己用AI做设计、自己用AI跑数据。一个人+一群AI，就能跑完一整个项目。

但是理想很丰满，现实很骨感。程序员的唯一真神Claude——被人连根拔走。

二、禁令：最顺手的工具，一夜之间没了

7月3日，阿里巴巴内部突然宣布：全面禁用Anthropic旗下Claude全线产品，7月10日生效，全员卸载。

从Sonnet、Opus、Fable等模型到Claude Code等Agent工具，一刀切，不留余地。

导火索可以追溯到6月10日。Anthropic向美国参议院银行委员会递交信函，指控阿里在4月22日至6月5日期间，利用约2.5万个虚假账号与Claude进行了超过2800万次对话交互，定性为"工业级模型蒸馏攻击"，并上升至国家安全层面。

随后Anthropic对Claude实施大规模封号，大量中国用户被波及。更令阿里难堪的是，开发者逆向分析发现，Claude Code自2.1.91版本起内置了隐蔽检测中国用户的机制——通过读取系统时区、检查代理或API地址中的中国云厂商关键词，以隐写术在系统提示词中做标记。

地缘政治的子弹，最终还是打到了每一个普通程序员身上。

阿里的OPT员工们突然发现：昨天还在靠Claude Code一天搞定3000行代码，今天就得全部重来。 官方推荐的替代方案是自研的 Qoder，但问题是——Qoder真能顶得上吗？还有，OpenAI的Codex呢？同样是顶级代码模型，能不能替代？

三、为什么不用Codex？三个硬伤告诉你：它顶不上

很多非程序员第一反应：Claude不让用了，用OpenAI的Codex不就行了？

答案很简单——在大公司的屎山级代码库面前，Codex根本扛不住。

硬伤一：上下文污染，窗口越大越浪费

Codex每次启动会自动扫描当前目录的全部文件。遇到没有AGENTS.md的大型项目时，光读文件就能消耗几十万token，真正留给推理和代码生成的空间被大幅压缩。测试日志、无关文件、大段输出不断污染上下文。

模型变笨是因为能力不够，而是上下文被垃圾信息塞满了。 有开发者直言："Codex频繁说'已超过上下文限制'，根源不是窗口绝对不够，而是窗口被低效使用了。"

相比之下，Claude的1M全量注意力窗口，配合Prompt Caching技术，跨几百个文件时能保持极高的上下文连贯性，不丢细节，理解精准。

硬伤二：提示词二次方增长，越聊越慢

OpenAI工程师在技术解析中承认，Codex每次API调用都发送完整的对话历史。随着对话增长，提示词呈二次方膨胀——虽然缓存能部分缓解，但任何操作（切换模型、修改配置）都可能导致缓存失效。

聊得越长，Codex越慢、越贵、越笨。 在阿里需要长期维护的复杂项目中，这个问题会被成倍放大。

硬伤三：快，但不稳；便宜，但质量堪忧

来看硬指标。在业界公认最权威的 SWE-bench 真实GitHub问题修复测试上，Claude Code得分72.5%，Codex只有约49%——23个百分点的差距，不是略逊一筹，而是代际差异。

Claude Code生产级代码首轮通过率达到 92-95%，Codex在同等任务下生成的commit质量明显偏低。开发者社区有一个直观感受：Claude Code更像一位资深工程师——严谨、有教育意义、注重代码质量；Codex更像一个追求速度的实习生——快，但容易出错。

Codex的优势在于快和省——处理同等任务消耗的token约为Claude的1/3。但这种"快"是有代价的。在复杂多文件重构、生产系统级任务中，Codex生成的代码往往需要大量人工修复。

对于大公司动辄几百万行的屎山代码库，Codex这种"先跑起来再说"的哲学，恰恰是最危险的。

实际工作中，我也是只用codex review代码，交叉使用。AI编程铁律，最贵的就是最好的，想省钱的结果往往是，无数个bug和无数次返工，反而更浪费时间。

四、梦碎的本质：依赖别人的枪，打不了自己的仗

阿里OPT的愿景很美——让一个人+一群AI成为标准配置，覆盖项目全链路。

但这个梦碎揭示了三个残酷真相：

第一，顶级AI能力是有国界的。 Anthropic的指控、Claude Code的隐蔽检测、美国出口管制——地缘政治正在把AI工具变成战略武器。阿里的OPT依赖外部AI，就像在别人的地基上盖楼。

第二，顶级AI能力是有代价的。 Claude的聪明靠的是天量算力和美元堆出来的，需要恐怖的GPU显存，依托NVIDIA高端生态。这种烧钱模式既是技术壁垒，也是供应链命门。 一旦断供，再宏伟的OPT蓝图也只能停摆。

第三，替代品并不好找。 Codex快但质量不稳，国产模型能力差距客观存在。在屎山面前，够用往往意味着大量隐患。

依赖别人的枪，打不了自己的仗。 Claude再强，是别人的；Codex再快，也是别人的。阿里还有Qwen系列、Qoder等自研产品，但补齐与Claude旗舰的差距，需要的不只是决心，更是时间、算力和芯片。

这场梦碎，或许正是国产AI自主化必须经历的阵痛。OPT的理念没有错——一个人+AI确实是未来。但前提是：那把枪，得握在自己手里