# 策展 · X (Twitter) 🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Vaibhav (VB) Srivastav (@reach_vb) · 平台：X (Twitter) · 日期：2026-06-28

> 原始來源：https://x.com/reach_vb/status/2070848145437704542

## 中文摘要

GPT-5.3 Codex 透過高效的記憶與執行緒管理，讓使用者無需再費心維護 context window。

**核心技術優勢**
使用者 Vaibhav (VB) Srivastav (@reach_vb) 指出，自從使用 GPT-5.3 Codex 後，已不再需要刻意管理 context。該模型具備強大的「compaction」能力，能在執行緒轉換時自動精簡資訊，同時確保關鍵內容被完整保留。若遇到遺漏，模型還能主動回溯整個 session 搜尋相關資訊，這也是 `/goal` 指令能發揮極高效率的關鍵。

**使用者體驗與對比**
Minh-Phuc Tran (@phuctm97) 分享了實際使用心得：
- 儘管 GPT-5.3 Codex 的官方 context window 規格僅為 272K token，但其在單一 session 中的記憶表現極佳，甚至能精準回憶長達兩週前的對話細節，表現遠超人類記憶。
- 相較之下，Minh-Phuc Tran 對 Claude Code 的「auto-compact」功能給予負面評價，認為其在執行壓縮時會遺失高達 99% 的資訊，且處理過程極其緩慢，導致使用體驗不佳。

**關鍵應用特性**
- 支援單一專案導向的執行緒，並具備將任務分拆為新執行緒的能力。
- 透過持續的 session 運作，模型能建立深度的上下文連結，減少使用者手動提示的需求。

## 標籤

Codex, LLM, 功能更新, 記憶系統, OpenAI