Codex 跑的快, 是因为模型懂时间？

我看到 oh my pi (omp) 的作者发了一个帖子，提到一个非常有意思的现象：

他说，在使用 coding agent 的过程中，GPT 系列的模型跑得非常快，而 Claude 系列的模型跑得就比较慢。

原因是 Claude 有时会执行很多很慢的命令。Codex 也会这样跑，但 Codex 的 tool 在返回结果时会带上对应的 wall time，也就是当前任务的执行时间，并且 Codex 基于这一点做过强化训练。

也就是说，GPT 模型在看到这个耗时之后，会自动去执行那些不太耗时的命令。

下面是 can 统计的一组数据：

- 平均耗时（all calls）：Claude 为 4.39 秒（样本 47 万），Codex 仅为 1.22 秒（样本 67 万）。- 主会话：Claude 耗时 6.26 秒，Codex 为 2.61 秒。- subagents：Claude 耗时 1.29 秒，Codex 为 0.69 秒。- 排除人类/代理等待时间：Claude 需 2.70 秒，Codex 仅需 0.68 秒。- 分位数对比（中位数 / p90 / p99）：中位数两者均为 0.01 秒，说明大多数命令都很快；但长尾差异极其夸张——Claude 的 p90 是 1.89 秒，p99 高达 60.0 秒；而 Codex 的 p90 是 0.50 秒，p99 仅为 11.0 秒。- 中断或报错的调用：Claude 占比 4.2%（近 2 万次），平均耗时高达 11.8 秒；Codex 占比 5.0%（超 3 万次），平均耗时仅 3.5 秒。

但是，有人质疑这个结论，认为大模型其实根本没有时间概念，快慢只是提示词和任务本身的问题。

目前我觉得这个观点有一定道理，但我更倾向于 can 的说法：可能 GPT 确实在这方面做了强化。若真如此，这其实对我们设计 agent tool 非常有帮助。

有没有懂这方面的大佬给咱们解答一下。