同一個裝修財務 dashboard，Codex、Claude Code、Copilot 點揀先實際
XDA 單次測試有參考價值，但未足以排出固定名次
一個 dashboard，試出三種取向
整 landing page 已經試唔到而家 coding agent 有幾多料。XDA 作者 Parth Shah 今次叫 Claude Code、Codex 同 GitHub Copilot，按同一份要求整一個為期十個月嘅家居裝修財務 dashboard，內容包括房間預算、承辦商、採購、待付款項、單據、分類、篩選器、圖表同報告。佢亦特別要求功能要真係用得，唔接受撳落冇反應嘅展示版。呢種題目幾貼近日常開發：資料表多、表單互相牽連，仲要兼顧介面同操作流程，正好睇到 agent 會唔會只顧整靚首頁。
作者分別用 Claude Code 配 Fable 5、Codex 配 GPT-5.6 Sol，同埋 VS Code Copilot Agents view 配 mai-code-1-flash。按 XDA 描述，Codex 最後兼顧到介面、功能深度同細節；Claude Code 功能齊，但賣相較舊；Copilot 出貨最快，深入用就見到缺口。先講清楚，呢啲全部係 XDA 作者嗰次體驗，TechLab 冇重跑個項目，而三個產品亦冇用同一個底層模型。
圖片：Wikimedia Commons — Marine BAJAN（CC BY-SA 4.0）
Copilot 快，但首頁以外開始穿崩
Copilot 幾乎即刻砌好個 dashboard，深藍色主題、圓角卡片、圖表同預算總覽都幾似成熟 SaaS 產品。問題去到 Rooms 同 Contractors 就浮面：資料睇得到，新增同編輯入口卻欠奉。即係個 app 可以好快畀人睇明個概念，但未夠班接手每日記帳。對趕住做客戶 demo、內部匯報或者驗證版面方向嘅人，呢種速度有價值；如果交付要求寫明每個實體都要完整 CRUD 流程，就要逐頁驗收，首頁靚唔代表份 brief 已經做完。
Claude Code 顧到流程，介面就跟唔上
XDA 作者話 Claude Code 最慢，差唔多耗盡佢當段時限內可用嘅 token，亦逼近五小時用量限制。不過佢對要求跟得仔細，Rooms、Contractors 同 Expenses 都有新增、編輯、欄位同篩選器，功能深度明顯好過 Copilot。輸喺字體顯舊、間距唔一致，整體完成感較弱。呢個結果反映一個常見取捨：agent 花大量心力補齊資料流程，未必自然識得統一視覺系統；若果團隊本身有 design system、元件庫同清楚畫面規格，Claude Code 呢類偏功能完整嘅輸出可能反而易接手。
Codex 贏在兩邊都冇明顯甩漏
按作者觀察，Codex 做到一致間距、乾淨主題、圓角介面同較成熟嘅版面，亦為開支、採購、房間同承辦商準備咗足夠欄位，仲自行加咗裝修進度指示。佢用嘅 token 少過今次 Claude Code session，但 Codex app 喺背景運作時令作者部 Mac 熱過另外兩款工具。呢個「贏」法其實幾務實：未必每一項都去到最強，交出嚟嗰份 app 就最接近可以繼續迭代嘅底稿，減少開發者先補功能、再重執介面嘅來回工作。
呢場對照仲欠幾件關鍵證物
文章冇公開完整 prompt、生成後 repo、commit 紀錄、自動測試、逐款實際耗時、token 數、收費或者作者中途介入次數，亦冇講三個版本有冇用同一套起始檔案同依賴。單憑「同一份 prompt」仍然控制唔到模型、agent 外殼、權限、context、重試策略同方案限額等差異。官方文件亦顯示，Copilot agent 會自行改檔、跑指令同修正錯誤；Claude Code 可以揀模型、限制回合及設定工具權限；Codex 用量就按模型活動同 token 計。呢啲設定全部足以改變時間、成本同成品。
介面評分亦有主觀成分。字體新唔新、圓角靚唔靚可以討論，但新增房間有冇寫入資料、改承辦商後報表有冇同步、篩選器重載後仲保唔保留狀態，就應該交俾測試判斷。今次文章證明三款工具會交出幾唔同嘅產品取向，未能證明任何一款喺其他 codebase、prompt 或模型版本都維持同一排名。
真係要揀，可以照工作目標分
要快速砌概念畫面，Copilot 呢次展現嘅速度最吸引，不過驗收清單要逐個操作寫明；如果團隊已有 UI 規範，又最重視資料流程同表單完整度，Claude Code 呢次嘅取向會較啱；想由一段 brief 開始，盡快攞到功能同介面都企得住腳嘅底稿，Codex 喺呢次測試最穩陣。成本就唔應該靠「token 較少」四個字估：三款工具有唔同方案、計量方式同模型選擇，XDA 又冇公開實數，暫時無法直接比較每次交付使費。
公司自己試工具時，最好固定起始 repo、模型版本、權限同時間上限，保存全部 prompt 同修改紀錄，再用同一批自動測試驗 CRUD、資料持久化、錯誤處理、responsive layout 同 accessibility。每款至少重跑幾次，另外記低人工修正分鐘、token 或 credits、失敗重試同最終可合併嘅程式碼比例。做到呢一步，個結果先比較適合用嚟決定採購同團隊標準；XDA 今次排名就適合當作一個幾有用嘅案例，未適合當固定答案。
參考來源
- XDA Developers — I built the same complex dashboard with Claude Code, Codex, and GitHub Copilot, and the winner surprised me — original report
- GitHub Docs：Using Copilot agents in your IDE — 核對 Copilot agent mode 嘅改檔、執行指令、迭代修正同計量方式
- GitHub Docs：GitHub Copilot billing — 核對 Copilot 採用 AI credits 計量，避免用單次測試推斷固定成本
- Anthropic：Claude Code CLI reference — 核對 Claude Code 可指定模型、工具權限、回合上限同輸出格式
- OpenAI：Codex rate card — 核對 Codex 嘅 token 計量、用量差異同成本監察資料
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
