從 Claude 切到 Codex 要多久?真正卡住你的不是帳號,是那份沒寫完的交接
以 UTC 計,Claude 在 7 月 29 日晚間至 30 日之間共有三起服務事件(換算台北時間都落在 7 月 30 日)。但與其追問廠商為什麼不穩,不如問一個你答得出來的問題:它不能用的那幾個小時,你有沒有辦法換一家繼續做事?這篇先用官方狀態頁的原始資料說明「可用性數字為什麼不能照抄」,再把備援拆成憑證、記憶、工具三層摩擦,並分級說明哪些工作換手成本低、哪些只能降級、哪些切不過去。
前言
以 UTC 計,7 月 29 日晚間 Claude 出現一次跨全模型的服務事件;隔天 7 月 30 日又來一次橫跨多個模型的錯誤率升高,接著 Opus 4.8 再單獨降級一次。三起。(換算台北時間,這三起其實都落在 7 月 30 日,第一起在清晨。)
這種時候網路上會出現兩種文章:一種是重播當機新聞,一種是列表比較哪一家比較穩、勸你換家。這篇兩種都不是。
廠商可靠度當然值得追究,選供應商的時候該看事故揭露、該看服務水準承諾。但那件事推動起來慢,而且多數使用者影響不了。相對地,「它掛掉的時候我能不能換一家繼續做事」,其中的準備工作有一部分你今天就能開始;至於真的切不切得過去,還是得先驗過帳號、權限與工具鏈。
所以這篇處理後面那個問題,不是因為前面那個不重要,是因為後面那個你動得了。而這個問題有一個很具體的版本:如果現在 Claude 不能用,我改用 Codex 把手上這件事做完,要花多久? 底下會把決定這個數字的三件事拆開:憑證與環境、記憶與脈絡、工具。第一件通常最好解,第三件決定你的天花板;對我這組工具而言,最吃時間的是中間那件。
不過在談備援之前,得先把一個很多人以為自己知道的東西弄清楚:你查到的那些可用性數字,多半不能直接用。
你查到的當機次數,取決於誰在數
寫這篇之前,我看到一個流傳的說法:某第三方監測服務顯示,Claude 自 2026 年 1 月以來已經當機 155 次。
這個數字夠具體,具體到讓人想直接引用。所以我去抓了官方狀態頁的原始資料,把 status.claude.com 歷史頁面上 2026 年 1 月到 7 月 30 日的每一則事件抓下來逐月計數,結果是 326 次。
超過流傳數字的兩倍。
而且我自己去開那個第三方頁面的時候,它顯示的是 158 次而不是 155。兩個數字我都只是當下看到,無法凍結重現,也無從確認它為什麼會變。所以底下的說明一律以可重算的官方歷史頁 326 起為準。
兩個數字為什麼差一倍?我沒辦法從公開資訊確認。這兩個來源都沒有完整交代自己怎麼計數,所以無論往哪個方向推測,都只是把一個聽起來合理的解釋補上去。我不打算這樣做。
能確定的只有兩件事。第一,同一個服務、同一段期間,兩個公開來源給出的次數可以差一倍以上。第二,其中一個還會隨時變動。
這件事的實際影響是:當你想比較「A 家和 B 家誰比較穩」的時候,你多半是在比較兩家的計數方式與揭露政策,不是比較他們的穩定度。
我原本打算做一張三家並列的可用性比較表,做不出來。原因很具體:
- Claude 的官方狀態頁提供 15 個月的逐事件紀錄,可以完整計數。
- OpenAI 的狀態頁,我這次抓到的五份都只涵蓋 2026 年 5 月到 7 月;更早的資料我沒有取得,所以只能在這個窗口比較。
- Google Cloud 的事件資料來源在我抓取的當下總共只有 4 筆紀錄,其中與 Gemini 相關的只有 1 筆(2026 年 2 月 27 日,Vertex Gemini API,等級標為低)。這份回應沒有交代保留期間或收錄規則,所以我只能說:光憑它無法當成完整歷史使用,不能拿來跟前兩家並列。
把這三個數字並排放進同一張表,會得到一個看起來很有說服力、但完全誤導的結論。所以這裡只做一件在方法上站得住的比較:在 2026 年 5 月到 7 月這個雙方都有資料的區間,各自以官方狀態頁公布的事件計數,Claude 是 142 次,OpenAI 是 96 次(OpenAI 那五份頁面內容重複,已按年月去重)。這個比較的前提是「兩家都以自己選擇公布的事件為準」,它衡量的仍然不是絕對可靠度。
而且「越來越不穩」這個感覺,資料上不太成立
既然抓了 15 個月的資料,順便看一下趨勢。
Claude 官方狀態頁的月度事件數,2025 年 5 月到 12 月是每月平均 30.8 次;2026 年 1 月到 7 月是每月平均 46.6 次(7 月的資料截至 7 月 30 日)。成長超過五成,看起來確實惡化了。
但事件次數只是一半。我另外算了每個月「至少有一起事件處於未解決狀態」的時間總長,也就是把重疊的事件區間合併之後(不合併會嚴重灌水,2 月的事件時間相加是 281.9 小時,但 2 月總共才 672 小時),結果是:2025 年那段期間佔 15.7%,2026 年 1 到 7 月佔 17.1%。
事件次數多了五成,但在這份狀態頁紀錄裡,「至少有一起事件未解決」的時間只多了 1.4 個百分點。 要強調的是這個數字不等於服務不可用時間:多數事件的等級是 minor,而且往往只影響單一模型。就這份紀錄本身來看,變化的主要是形狀:事件變得更碎、更頻繁,單次持續時間變短。
月份分布也值得看一眼。截至 7 月 30 日,7 月有 54 起,是 2026 年的次高——最高的是 2 月的 58 起。而以「該月有多少比例的時間存在未解決事件」來看,7 月是 18.1%,2 月的 37.3% 和 3 月的 31.1% 都明顯更高。
至於 7 月底那幾起為什麼讓人感覺特別嚴重,狀態頁的資料回答不了,因為它沒有使用者所在地或使用時段的資訊。這裡只能說:以事件數與時間聯集來看,7 月不是 2026 年最壞的月份。
(順帶一提,如果你把 status.anthropic.com 加進書籤,現在它會轉址到 status.claude.com。)
講這些不是要幫誰說話。是因為備援策略應該建立在「事件會反覆發生、每次通常持續一小時上下」這個現實上,而不是建立在「某一家快撐不住了、趕快換」這個判斷上。後者會讓你做出錯的準備。
兩種「不能用」,處置完全不同
在講怎麼備援之前,要先分清楚你遇到的是哪一種不可用。它們長得很像,處置卻相反。
第一種是廠商事件。 特徵是狀態頁會亮,而且你完全無法預測。要注意影響範圍不一定是全面的,很多事件只波及部分模型或部分功能,所以「別人能用、我不能用」也可能仍是廠商事件。
第二種是你自己的額度用完。 別人都好好的,只有你被擋。有些訂閱制的 AI 工具設有滾動的用量上限,密集工作幾天就可能在週間某天撞牆。
第二種對我來說比第一種好安排,因為在用量與重置時間看得到的前提下,它是可預測的。但這個前提會隨產品和方案而異,有些方案你根本看不到自己還剩多少。我自己的實際情況就是這樣:Claude Code 的週用量在週一下午撞牆過,撞牆之後當週可能整段停擺,所以真正促使我把備援建起來的不是當機,是額度。
這兩種是我自己遇到最多的兩類,但不是全部:帳號、付款、權限、地區網路、用戶端設定都可能讓你用不了。只是前兩種最常見,也最值得先準備。
備援不是「再辦一個帳號」
多開一個帳號是備援裡最便宜、也最沒有用的部分。
真正決定你切不切得過去的,是切換摩擦:主力停擺的那一刻,你要花多少時間、補多少東西,備援才能接著把事情做完。摩擦如果夠高,備援在名義上存在、在實際上等於沒有——你最後還是會等主力恢復。
摩擦有三層,由淺到深。
第一層:憑證與環境
這層最容易解,也最常被高估。
備援工具要能動,得摸得到你的檔案、你的金鑰、你的部署權限。如果兩個工具跑在同一台電腦上,這層會省掉一大半:它們看得到同一份工作目錄,通常也讀得到同一份 SSH 金鑰與雲端設定。
我自己的組合就是這種關係:Claude Code 和 Codex 跑在同一台 Mac 上,看同一份程式碼、用同一組憑證(兩者的功能差異我在〈Claude Code vs Codex:兩個終端機 AI 助手,你該選哪一個?〉寫過,這篇只談換手)。所以「跑腳本、推 git、部署」這類事情換手幾乎沒有成本。
但別把「同一台機器」當成自動通過。同機器省掉的是檔案與環境同步,不等於備援工具自動拿到同一組帳號、金鑰與部署權限,這些仍然要逐項實測。而如果備援在另一台機器上,還要再加上未提交的分支要先推、憑證要另配、環境差異要處理。
第二層:記憶與脈絡
這層是真正的分水嶺,而且最常被忽略。
備援工具接手時,它不知道你在做什麼。不知道這個專案的部署管線長什麼樣、上次改到哪、哪裡有雷。你會發現它開始從零摸索,去翻你三個月前就解決過的問題,或是用一個你早就否決過的方法。
我踩過這個坑的具體形狀是:明明相關資訊寫過,但備援工具搆不到那份筆記,於是它跑去從零探索雲端設定。問題不在它笨,在交接資訊放在它讀不到的地方。
所以這層的解法有兩個動作:
一是讓兩邊讀同一份筆記。 不要各寫各的:兩份平行筆記可能會漂移,而漂移之後你不會知道哪一份才是對的。做法是讓備援工具的設定檔指向同一份主筆記,而不是複製一份給它。
二是每段重要進度收尾就寫進去,不要等「之後再整理」。 這點聽起來像老生常談,但它的理由很具體:下一刻你就可能撞額度牆換工具了。 「之後再整理」的那個「之後」,很可能已經在備援上場之後。
而且交接筆記要寫的是接手者需要的東西,不是給人看的漂亮摘要:檔案路徑、部署管線怎麼跑、最後一個 commit、還沒做完的事、以及哪裡有雷。
第三層:工具
這層決定了你的備援天花板在哪,而且有一條很硬的界線。
現在的 AI 工具能做事,多半是因為外掛了一堆連接器,用來讀你的網站數據、查廣告後台、抓資料庫。備援工具有沒有同一套,決定了它能接多少活。
就我實際搬過的這一組工具而言,可攜性分成兩類(這是我這組的結果,不是連接器的通則):
跑在你自己機器上的連接器,我這幾支都順利複製過去了。 它們本質上就是一行啟動指令加幾個環境變數,把設定抄到備援工具的設定檔就好。我這邊的網站分析、搜尋成效、廣告數據都屬於這類。要注意它們仍可能各自依賴帳密或作業系統權限,不是抄了就一定會動。
綁在原廠帳號上、走原廠登入的連接器,我這邊沒能直接搬過去。 這類連接器的定義不在你的機器上,本機找不到可複製的東西。備援工具要用同樣的功能,得逐項確認能不能重新授權,不行就另外找對應的本機版本自己架、或接受這塊缺席。
這條界線很值得先弄清楚,因為它會直接改變你對備援的期待:有些能力不是「設定一下就有」,是「需要另外做一份」。
分級:哪些活真的能無痛切
把三層摩擦套到實際工作上,會得到一個相當不平均的分布。以下是我在同一台機器、共用工作目錄、權限都已驗證過的前提下得到的分級。你的結果會不同,而且能不能接手還取決於腳本完不完整、有沒有未提交的東西、誰負責驗收。請把它當成分層的方式,不是分層的答案。
換手成本最低的,是「讀筆記、跑本機腳本」這類機械性工作。 排程發文、資料抓取、部署、推送程式碼,這些的判斷多半已經寫在腳本裡了。前提是腳本完整、沒有未提交的東西、驗收責任也講清楚;這幾件都成立時,對我來說可以接近無痛地切換。
只能降級使用的,是依賴特定工具鏈的工作。 影音處理、圖像生成、需要特定連接器的數據查詢。備援工具的工具面通常比較薄,不保證有等價物。這類活可以接,但你要接受產出品質或流程長度不一樣。
基本上切不過去的,是風格與品味類的工作。 兩個模型寫出來的東西語感不同,這不是設定問題。如果你的產出有既定的文字風格,換手之後多半要重寫一輪。
四個會讓備援在關鍵時刻失效的陷阱
備援失效通常不是因為備援本身壞掉。以下四個是我實際遇過或事後才想到的。
交接資訊過期。 這是最常見的一種,前面說過了,不重複。判準很簡單:如果你現在被迫換手,備援讀得到的最新進度是哪一天的?如果答案超過一週,你的備援其實還沒建好。
你的備援本來是你的查核者。 這個陷阱比較隱蔽。如果你平常用第二個模型交叉檢查第一個模型的產出(這是很好的習慣),那麼當第一個模型掛掉、第二個模型變成主力的時候,你就同時失去了查核機制。產出還在,但沒有人在檢查它了。這種時候要嘛降低對產出的信任度、要嘛另外找第三方來驗,不能假裝沒事。
筆記回寫是單向的。 我這邊的備援工具讀得到共用筆記,但不會把自己做的事寫回去。所以它接手期間的進度不會自動留下紀錄,用越久漂移越大。這不是致命問題,但你要知道有這件事,並在切回主力時人工補齊。
備援從來沒被真的用過。 沒演練過的備援跟沒有備援的差別,只在你心裡比較安心。而且演練的重點不是「它會不會回答」,是「它接得到脈絡嗎」。讓它從你的筆記出發,把一件真實的小事做完,你會很快發現缺什麼。
一份務實的建置順序
如果你現在要開始建,我建議照這個順序,理由是每一步都能單獨帶來價值,不必全部做完才有用。
第一步,先確認你的兩種不可用長什麼樣。 你的主力工具有沒有用量上限?上限什麼時候重置?官方狀態頁在哪、你有沒有訂閱通知?光是知道「我的問題通常是額度不是當機」,就會讓你把力氣花在對的地方。
第二步,把備援放在同一台機器上。 這一步直接消掉第一層摩擦的大部分。
第三步,讓兩邊讀同一份筆記。 指向同一份,不要複製。這是三步裡投報率最高的。
第四步,挑一條「這週有硬期限」的工作,把它練到能換手。 注意這裡的重點:不要試圖把備援練成全能。 正確的做法是只讓有時間壓力的那條線做到可換手,其他工作容忍延後或降級。想把備援練到跟主力一樣強,成本會高到你根本不會完成,最後變成什麼都沒準備。
第五步,盤一次你的連接器。 哪些是本機的(可以複製)、哪些是綁帳號的(搬不過去)。搬不過去的那些,決定你要另外架、還是接受缺席。
第六步,真的演練一次。 挑一天主力還活著的時候,硬用備援做完一件事。
什麼時候不該建備援
備援有維護成本:設定會過期、筆記要同步、連接器會壞。所以它不是每個人都該做的事。
如果你用 AI 工具是偶爾問問題、沒有交付期限,那服務掛掉的時候休息一下就好,建備援是浪費時間。如果你的工作可以延後一天而沒有任何後果,同理。
備援值得建,是在**「這件事今天一定要交」與「你不能控制服務何時恢復」同時成立**的時候。這兩個條件缺一個,你其實都可以再等等。
給非工程師的一句話
換一家不難,難的是把你正在做的事整包帶過去;所以備援的重點從來不是多辦幾個帳號,而是讓你的工作筆記隨時新鮮到別人接得上——你要準備的不是第二個工具,是一份好的交接。
常見問題
AI 服務當機時,最快的應變是什麼?
先確認是廠商的問題還是你自己的問題。打開該服務的官方狀態頁(Claude 是 status.claude.com,OpenAI 是 status.openai.com)。如果是廠商的事件,重試通常沒用,多數事件會持續一小時上下;如果狀態頁全綠,那比較可能是你的額度、網路或憑證。這兩種情況的處置完全不同,先分辨再動作。
要準備幾家 AI 服務當備援才夠?
數量不是重點,能不能切過去才是。同時養三家但每一家都沒有你的專案脈絡,實際可用性等於零;只養一家備援但它讀得到同一份筆記、跑得動同一批腳本,那才是真的備援。先把一條有硬期限的工作練到能換手,比廣泛開帳號有用。
備援服務平常沒在用,需要定期演練嗎?
需要,而且演練的重點不是「它會不會回答」,是「它接得到你的脈絡嗎」。最常見的失效不是備援服務壞掉,而是交接資訊過期:你上週改了部署方式沒寫下來,備援上場時就會從零開始摸索。把每段重要進度收尾時就寫進共用筆記,比事後補演練有效。
為什麼不同來源查到的 AI 當機次數差這麼多?
同一個服務、同一段期間,不同來源給出的次數可以差一倍以上。以我實際比對過的那兩個來源來說,它們都沒有完整交代自己的計數規則,所以無法判定差異從何而來,也不該據此推測任何一方是怎麼算的。另外各廠商公布事件的門檻本來就不一樣,跨廠商直接比較次數,比較的往往是揭露政策而不是穩定度。
📚 收進你的工具
For AI Reading Era把這篇文章交給你日常用的工具——做研究、整理筆記,或當 AI 的 context。