GPT-5 Pro 是目前最强的大语言模型，但大部分人买了没用对。
核心问题在于：Pro 回答质量确实更高，但它太慢，成本也太贵。把它用来做 Codex 和 Claude Code 也能做好的事，是巨大的浪费。
这篇文章的作者 Aniket Panjwani 摸索出一套有效的工作流，用了一年时间反复验证。他的结论很简单：把日常生产交给 Codex 和 Claude Code，把 Pro 留给那些你自己都拿不准的复杂规划。
什么人需要用 Pro
Pro 真正发光的场景有三类：复杂的学术研究、架构复杂的软件设计、需要结构化审查的咨询提案。
在学术研究里，有数学家在没有正式训练的情况下，用单次 prompt 解决了几十年的开放数学问题。Wharton 的经济学教授 Ethan Mollick 也明确说过，做复杂学术工作，目前没有替代品。
但注意，不是所有学术工作都需要 Pro。作者举了一个反例：在劳动经济学和政治经济学领域，常用的实证方法对 AI 编程工具来说已经很枯燥了，用 Pro 并没有明显优势。
软件架构场景才是 Pro 的主战场
对开发者来说，最费脑力的不是写代码，而是规划你要建什么。
一个支付产品 PaySlice，六套服务，三个环境，集成 Plaid、Finix、Supabase，还有 Dagster 编排层、BI 应用、操作工具链。单个功能改动可能影响九个模块，跨所有环境。
这种复杂度的计划，脑子里已经装不下了，Claude Code 和 Codex 也未必能可靠地暴露其中的缝隙。把计划交给 Pro 审查，是作者在实现前必做的事。
具体怎么把 Pro 接入 Codex
GPT Pro 在 Codex 的模型选择器里找不到。你不能直接选它。
作者的做法是分两步：
第一步，用 Oracle 打包上下文。 Oracle 是 Pete Steinberger 创建的命令行工具，给它一个 prompt 和一组文件路径，它把所有相关内容压缩成一个文件，还能检测是否超出 Pro 的上下文预算。
第二步，把打包好的上下文发给 ChatGPT Pro。 用 Codex 的 Chrome 插件或者 Computer Use，让 AI 自动打开 ChatGPT、粘贴内容、等待回答、取回结果。
整个流程不需要手动复制粘贴。
什么时候值得用 Pro
没有标准答案。需要自己实验。
作者的推荐：同一个问题，分别发给 Pro 和 Thinking 模式，对比结果。积累一段时间后，你会对自己的领域形成直觉，知道哪类问题值得发给 Pro，哪类用普通模型推着走就行。
简单说：只有当问题复杂到"漏掉一个细节代价很高"的时候，才值得等 Pro 的回答。