先说结论：GPT-5写的代码更像一个天才程序员的快速原型，功能跑得通但细节粗糙；Claude 4写的代码像一个资深工程师的交付物，考虑周全但有点啰嗦。如果你赶时间，用GPT-5；如果你要维护，用Claude 4。
我花了两个周末，用GPT-5和Claude 4分别独立完成同一个项目：一个带用户认证、数据库CRUD、API限流、异步任务队列的FastAPI后端服务。每个模型都从头开始写，不参考对方的代码，目标都是「生产可用的代码」。最终GPT-5写出了约1200行，Claude 4写出了约1500行。以下是我的真实体验。
实验设计：公平公正的对比
为了保证公平，我设定了以下规则：
- 相同的prompt：用完全相同的需求描述和架构约束喂给两个模型
- 不帮助纠错：模型出什么代码就用什么代码，只在运行时报错时才让模型自己修复
- 统一评测维度：代码可运行性、架构设计、错误处理、安全性、可维护性、生成速度
项目需求：一个简单的任务管理API，功能包括用户注册/登录（JWT认证）、任务的CRUD操作、API请求限流（每分钟60次）、异步发送任务完成通知邮件、数据库使用PostgreSQL+SQLAlchemy、包含单元测试和Docker配置。
第一轮：代码生成速度
GPT-5生成整个项目用了约8分钟，分6次对话完成。每次响应速度很快，代码量也够大，通常一次返回200-400行。
Claude 4用了约12分钟，分9次对话完成。Claude的响应更慢一些，但每次返回的代码更完整，注释更详细。
第一印象：GPT-5像一个开足马力的跑车，Claude 4像一个稳扎稳打的SUV。速度上GPT-5赢了，但后面的事，让我重新评估了「快」的价值。
第二轮：代码可运行性
GPT-5的代码第一次跑就报错了——SQLAlchemy的异步session配置有问题，和FastAPI的依赖注入不兼容。我让GPT-5自己修，它改了3次才修好。期间还引入了一个新的bug：把await写在了同步函数里。
Claude 4的代码第一次就跑通了。零报错，所有API端点正常工作。这个结果让我很意外——技术圈一直说GPT-5的代码能力最强，但在这个实测中，Claude 4的「一次跑通率」是100%，GPT-5是0%。
我又重复了三次实验（不同的项目需求），统计结果：GPT-5三次都需要修改才能跑通，平均修改次数2.3次；Claude 4两次一次跑通，一次需要修改1次。这个差距在统计上显著。
第三轮：代码质量深度对比
我找了一个资深Python工程师（10年经验）帮我盲评了两份代码，他不知道哪份是哪个模型写的。以下是他的评测：
架构设计：Claude 4胜。Claude的项目结构更清晰，模块划分更合理，使用了repository模式把数据访问层和业务逻辑层分离。GPT-5把所有代码堆在3个文件里，虽然功能没问题，但扩展性差。
错误处理：Claude 4完胜。Claude为每个可能的异常都写了对应的处理逻辑，包括数据库连接失败、邮件发送超时、JWT过期等。GPT-5只处理了HTTP层面的异常，数据库层面的错误直接抛500。
安全性：Claude 4胜。Claude在密码哈希、SQL注入防护、JWT密钥管理、CORS配置等方面都做了完善的处理。GPT-5的密码哈希用了bcrypt，但JWT的secret key是硬编码的——这是一个严重的安全漏洞。
性能：GPT-5胜。GPT-5的代码更简洁，没有过度抽象，执行效率更高。在简单的CRUD操作上，GPT-5的代码比Claude 4快约15%。Claude 4的repository模式增加了一层抽象，虽然架构更好，但性能有轻微损失。
可维护性：Claude 4胜。Claude写了完整的docstring、类型注解、README、甚至包含了一个简单的架构决策记录。GPT-5几乎没有注释，只有几个零散的# TODO。
最终结论
如果你的场景是「快速验证想法、写一个原型demo、或者一次性脚本」，GPT-5是更好的选择。它快，代码简洁，能让你在最短时间内看到成果。
如果你的场景是「生产环境、团队协作、长期维护」，Claude 4是更好的选择。它慢，但生成的代码更安全、更健壮、更易于维护。
这个结果和我预想的完全相反。我本以为GPT-5会全面领先，但实测下来，Claude 4在工程化方面的表现远超预期。Anthropic的「安全和可靠」不是一句口号，而是刻在模型基因里的。
最好的方案？用GPT-5做原型，用Claude 4重构。两个模型各有所长，组合起来才是最优解。