Werkzeug · Coding-Agent
Codex
von OpenAI
OpenAIs agentisches Coding-Werkzeug – im Terminal, in der IDE, als Desktop-App und als Cloud-Agent, der Aufgaben eigenständig abarbeitet.
Einschätzung
Agentisches Coding im OpenAI-Ökosystem
Wofür es gut ist
- Mehrschrittige Aufgaben asynchron in der Cloud erledigen lassen
- Code im Terminal oder in der IDE generieren und umbauen
- Bestehenden Code erklären, debuggen und refactoren
Stärken
Eine Engine über mehrere Oberflächen: CLI, IDE, Cloud-Agent und Desktop-App Cloud-Agent arbeitet Aufgaben unbeaufsichtigt und parallel ab Eng in ChatGPT und die OpenAI-API integriert
Schwächen
Nur OpenAI-Modelle – keine freie Anbieterwahl Hinter kostenpflichtigen ChatGPT-Tarifen bzw. API-Abrechnung Seit Juni 2026 sind die Aufträge an Unteragenten verschlüsselt – die lesbare Audit-Spur mehrstufiger Läufe fehlt (ohne Begründung durch OpenAI)
Im Vergleich
Wofür dieses Werkzeug die bessere Wahl ist – und wann ein direkter Konkurrent.
Das OpenAI-Pendant zu Claude Code: vergleichbarer Funktionsumfang (CLI, IDE, Cloud-Agent), aber an OpenAI-Modelle gebunden. In der Praxis werden beide oft komplementär genutzt – das eine für Architektur- und Tiefenarbeit, das andere für Routineaufgaben. Anders als der breit in Editoren integrierte GitHub Copilot ist Codex stärker auf eigenständige, mehrschrittige Agentenläufe ausgelegt.
Stimmen aus der Community
Subjektive Einschätzungen Dritter – keine belegten Fakten, jeweils verlinkt.
- kritisch
Eine Messung im Rahmen von MATS 10 (14.08.2026) prüfte, wie gut Codex die Dauer der eigenen Läufe einschätzt. Auf 200 ProgramBench-Aufgaben braucht GPT-5.5 in Codex im Mittel 17,5 Minuten und sagt rund das 4,12-Fache voraus; auf der AgentTime-Sammlung überschätzt GPT-5.6 Sol laut den Autoren um das 9,9-Fache – „GPT-5.6 Sol over-predicts by 9.9x“. Die Schätzung hängt dabei kaum an der Aufgabe: Der „compression exponent“ (0 = Pauschalwert, 1 = perfekt) liegt bei 0,19. Auch die Selbstbewertung des Ergebnisses fällt zu gut aus – „overrating their final score by an average of 20%“. Michael Ofengenden, Maksym Andriushchenko – „Your Agents Are Not Time Aware“, LessWrong, 14.08.2026 · Primärquelle, August 2026 - positiv
Anwendungsentwickler Zachary Proser (WorkOS) nennt den Unterschied „Tag und Nacht“ – Codex sei für ihn vom interessanten Experiment zum unverzichtbaren Werkzeug geworden. Zachary Proser – „OpenAI Codex review (2026)“ · Community, März 2026 - kritisch
Dieselbe Untersuchung prüfte Codex CLI mit GPT-5.5, GPT-5.3-codex und GPT-5.4-mini gegen manipulierte Einrichtungs-Anweisungen. Kernbefund der Autoren: „The same model catches an attack through one harness and installs it through another: install-time security rests on the harness-model combination, not the model alone.“ Quellenbasierte Angriffe wie das Umlenken auf eine fremde Paketquelle würden „missed almost everywhere“, bei npm und Cargo installiere „nearly every model“ die nicht vertrauenswürdige Abhängigkeit; verwundbare Versionsangaben erkannte keine der neun geprüften Konfigurationen („0/30 each“). ⚠️ Das ist eine Aussage über das Paar aus Modell und Gerüst, nicht über Codex allein – Claude Code schnitt bei einem der Szenarien wegen seines Halts vor der Ausführung besser ab. arXiv:2607.15143 – Bagmar/Saraf, „Setup Complete, Now You Are Compromised: Weaponizing Setup Instructions Against AI Coding Agents“, 16.07.2026 (von uns geöffnet und mit Kontrollfrage gegengelesen) · Primärquelle, Juli 2026
Direkt ausprobieren
openai.com/codex
ℹ️