Claude Code vs Codex

Bei Claude Code vs Codex geht es nicht einfach um Claude gegen GPT in zwei verschiedenen Terminalfenstern. Beide Produkte können ein Repository untersuchen, Dateien bearbeiten, Befehle ausführen und ihre Arbeit prüfen. Sie unterscheiden sich jedoch bei Modellfamilie, Anweisungssystem, lokaler Kontrolle, Cloud-Delegation, Authentifizierung und Abrechnung der API-Nutzung.

Die kurze Antwort: Wählen Sie Claude Code, wenn Sie einen auf Claude ausgerichteten Workflow, eine tiefe Terminal-Integration und ein Projekt wünschen, das rund um CLAUDE.md, Hooks, MCP und Claude-Modelle organisiert ist. Wählen Sie Codex, wenn Sie einen auf GPT ausgerichteten Workflow in CLI und IDE, Anweisungen über AGENTS.md, konfigurierbares Sandboxing und einen direkten Weg zu Codex-cloud-Aufgaben wünschen. Führen Sie für eine Teamentscheidung denselben Aufgabensatz mit beiden Produkten aus. Eine Funktionsliste kann nicht zeigen, welcher Agent in Ihrer Codebasis die bessere verifizierte Änderung erzeugt.

Wenn Sie eigentlich zwischen Anthropic-Agents für Programmierung und Wissensarbeit wählen, lesen Sie stattdessen unseren Vergleich Claude Code vs Cowork.

Claude Code vs Codex auf einen Blick

Diese Tabelle beschreibt die Produktarchitektur und stellt keine Qualitätsrangliste dar. Modell, Repository, Prompt, Werkzeugrichtlinie und Prüfschleife wirken sich alle auf das Ergebnis aus.

Was vergleichen Sie eigentlich?

Ein Coding-Agent besteht aus mindestens vier Ebenen:

1. Das Modell analysiert den Code und entscheidet über die nächste Aktion.
2. Das Agent-Harness sammelt Dateien, stellt Werkzeuge bereit, verwaltet den Kontext und interpretiert Werkzeugaufrufe.
3. Die Ausführungsgrenze legt fest, auf welche Dateien, Befehle, Netzwerkziele und Geheimnisse der Prozess zugreifen darf.
4. Der Kontozugang bestimmt verfügbare Modelle, Cloud-Funktionen, Limits und Abrechnung.

Claude Code und Codex unterscheiden sich auf jeder Ebene. Deshalb entscheidet eine Rangliste Claude gegen GPT nicht über die Wahl des Agents. Auch der Vergleich eines Premium-Modells im einen Werkzeug mit einem günstigeren Modell im anderen ist kein fairer Produkttest.

Wenn es Ihnen eigentlich um die Modellauswahl über mehrere Familien hinweg geht, lesen Sie unseren Leitfaden zu den besten LLMs für Coding-Agents. Der Rest dieses Artikels bleibt enger gefasst: die Wahl zwischen den beiden Agent-Produkten.

Wenn die Produkte bereits feststehen und Sie zwischen ihren Spitzenmodellen wählen, nutzen Sie unseren Coding-Vergleich Claude Opus 5 vs GPT-5.6 Sol.

So funktioniert Claude Code

Claude Code beginnt mit Ihrem Arbeitskontext, normalerweise einem Repository im Terminal oder in einer IDE-Integration. Die dokumentierte Agent-Schleife sammelt Kontext, führt Aktionen aus und prüft das Ergebnis. In der Praxis bedeutet das: Dateien suchen und lesen, Code bearbeiten, Werkzeuge oder Tests mit den erteilten Berechtigungen ausführen und die Änderungen melden.

Die dauerhafte Datei für Projektanweisungen ist CLAUDE.md. Ein Team kann dort Build-Befehle, Architekturvorgaben, Coding-Konventionen und Erwartungen an Reviews ablegen, statt sie in jedem Prompt zu wiederholen. Spezifischere Anweisungen können tiefer im Verzeichnisbaum liegen. Claude Code unterstützt außerdem wiederverwendbare Skills, Subagents, Hooks und Model Context Protocol-Server. Teams können damit wiederholbare Abläufe und externe Werkzeuge an dieselbe Schleife anbinden.

Kontext wird als aktiver Arbeitsbestand verwaltet und nicht als Versprechen, dass jedes frühere Token für immer wortgetreu erhalten bleibt. Claude Code kann ältere Gesprächsteile komprimieren, wenn das Fenster voll wird; Nutzer können /compact auch ausdrücklich aufrufen. Eine knappe CLAUDE.md, gezielte Dateisuche und gestufte Aufgaben bewahren in der Regel mehr nützlichen Kontext als die Aufforderung, ohne konkretes Ziel ein ganzes Repository einzulesen.

Claude Code on the web ergänzt eine andere Ausführungsoberfläche. Delegierte Arbeit läuft in einer isolierten Cloud-Umgebung, die mit einem Repository verbunden ist. Das eignet sich für Hintergrundaufgaben und parallele Arbeit. Bewerten Sie diese Oberfläche getrennt vom lokalen Terminal: Einrichtung, Zugangsdaten, Netzwerkzugriff und Review-Ablauf unterscheiden sich, selbst wenn die Modellfamilie gleich ist.

Die wichtigste Modellgrenze steht ausdrücklich in Anthropics Gateway-Dokumentation: Claude Code wurde für Anthropic-Modelle entwickelt und unterstützt kein Routing zu Nicht-Claude-Modellen über ein Gateway. Ein Gateway kann eine Anthropic-kompatible Route zu unterstützten Claude-Modellen bereitstellen. Es macht Claude Code nicht zu einem allgemeinen GPT- oder Gemini-Client.

Den aktuellen Einrichtungsweg finden Sie in unserem Artikel zur Einrichtung von Claude Code oder im lokalisierten Leitfaden zum Claude Code API-Key.

So funktioniert Codex

Codex arbeitet ebenfalls als Agent über einem Repository: Es liest Code, schlägt Änderungen vor oder wendet sie an, führt Befehle und Tests innerhalb der konfigurierten Grenzen aus und liefert ein prüfbares Ergebnis zurück. Die CLI unterstützt interaktives Arbeiten ebenso wie nicht interaktive Ausführung, während die IDE-Erweiterung die Schleife nah am Editor hält. Codex cloud übernimmt delegierte Aufgaben in einer konfigurierten Remote-Umgebung.

Codex verwendet AGENTS.md für Repository-Anweisungen. Anweisungen können global und auf verschiedenen Ebenen eines Repositorys liegen; näher am Arbeitsverzeichnis gelegene Vorgaben haben Vorrang. So lassen sich organisationsweite Regeln im Stammverzeichnis und paketspezifische Befehle direkt beim jeweiligen Code ablegen.

Die lokale Kontrolle teilt sich in Genehmigungen und Sandboxing. Genehmigungen bestimmen, wann Codex vor einer Aktion anhalten und nachfragen muss. Die Sandbox beschränkt, was der Prozess lesen, schreiben oder erreichen kann. Beide Kontrollen ergänzen sich. Die automatische Genehmigung einer Operation erteilt keinen Zugriff, den die Sandbox sperrt. Eine freizügige Sandbox hebt eine Genehmigungspflicht nicht von selbst auf.

Codex cloud ist nicht einfach die lokale CLI an einem anderen Ort. Es nutzt eine für Remote-Aufgaben konfigurierte Repository-Umgebung und ist darauf ausgelegt, im Hintergrund weiterzuarbeiten und einen Diff zur Prüfung zurückzugeben. Bewerten Sie es getrennt von lokalem Codex, besonders wenn Ihr Build von privaten Registries, Diensten, großen Fixtures oder Netzwerkzugriff abhängt.

Codex unterstützt für passende lokale Oberflächen die Authentifizierung über ChatGPT und API-Key. Laut OpenAIs Authentifizierungsdokumentation ermöglicht ein API-Key die verbrauchsabhängige Nutzung von lokaler CLI, SDK und IDE, schaltet aber keine reinen Cloud-Funktionen frei. Ein eigener lokaler Provider benötigt außerdem eine kompatible Responses API; ein Modellname allein garantiert keine Kompatibilität.

Lesen Sie den lokalisierten Codex-CLI-Leitfaden. Wenn eine direkte Responses-Anfrage funktioniert, die CLI aber nicht, können Sie mit unserem GPT-5.6 Codex Compatibility Kit die fehlerhafte Ebene eingrenzen.

Funktionsvergleich für die Praxis

Lokales interaktives Arbeiten

Beide Agents eignen sich für eine Schleife aus Bearbeiten, Testen und Prüfen. Claude Code wirkt besonders natürlich, wenn das Terminal den Mittelpunkt des Workflows bildet und Claude-spezifische Automatisierung bereits in Hooks, Skills oder MCP-Servern festgelegt ist. Codex passt gut, wenn ein Team denselben OpenAI-Agent in CLI und IDE mit ausdrücklicher Sandbox- und Genehmigungskonfiguration einsetzen möchte.

Keiner der beiden sollte allein deshalb Zugriff auf einen Produktions-Checkout erhalten, weil er um Bestätigung bittet. Beginnen Sie in einem Branch oder entbehrlichen Worktree, halten Sie Geheimnisse aus dem Repository-Kontext heraus und verlangen Sie die echten Verifikationsbefehle des Projekts.

Repository-Gedächtnis

CLAUDE.md und AGENTS.md lösen dasselbe allgemeine Problem: dauerhafte Anweisungen nahe am Code. Die Qualität der Anweisungen ist wichtiger als der Dateiname. Halten Sie sie kurz, prüfbar und konkret. Nennen Sie die Befehle, die eine Änderung nachweislich bestätigen, und machen Sie daraus kein langes Handbuch, das der Agent immer wieder komprimieren muss.

Erweiterungen und Werkzeugverbindungen

Claude Code dokumentiert MCP-Server, Hooks, Skills und spezialisierte Subagents als zentrale Erweiterungspunkte. Codex dokumentiert Skills, MCP, Automatisierungen sowie Multi-Agent- oder delegierte Workflows über seine Oberflächen hinweg. Entscheidend ist, ob Ihr benötigtes Werkzeug innerhalb der vorgesehenen Oberfläche und Sicherheitsgrenze verfügbar ist, nicht ob beide Produktseiten dieselbe Funktionsbezeichnung enthalten.

Cloud-Arbeit

Beide Anbieter ermöglichen Cloud-Delegation, doch die operative Eignung hängt von der Reproduzierbarkeit der Umgebung ab. Eine Aufgabe kann auf einem Laptop gelingen, weil sie stillschweigend lokale Zugangsdaten verwendet, und in einer isolierten Cloud-Umgebung zu Recht scheitern. Bevor Sie sich wegen versprochener Hintergrundarbeit entscheiden, reproduzieren Sie Installation der Abhängigkeiten, Testdaten, Dienstzugriff und Einbindung von Geheimnissen in einer minimalen Umgebung.

Kontextverwaltung

Beide Agents verwalten lange Sitzungen und können früheren Kontext komprimieren. Mehr nomineller Kontext ist nicht automatisch besser: Repository-Suche, Qualität der Anweisungen, erzeugte Werkzeugausgaben und Komprimierungsstrategie bestimmen, welche Belege bei einer späteren Entscheidung noch verfügbar sind. Testen Sie eine mehrstufige Aufgabe lange genug, um Kontextdruck zu erzeugen, statt nur einmalige Änderungen zu vergleichen.

Agent-Wahl ist nicht Modellwahl

Claude Code ist das Harness, Claude die Modellfamilie. Codex ist das Harness, GPT die dokumentierte Modellfamilie. Ein Team kann Claudes Verhalten bevorzugen, aber die Codex-Oberfläche mögen, oder umgekehrt. Diese Vorlieben machen die Produkte jedoch nicht austauschbar.

Als aktuellen Vergleichspunkt im oberen Leistungsbereich können Sie Claude Opus 5 und GPT-5.6 Sol prüfen und anschließend die Verfügbarkeit im Modellkatalog bestätigen. Leiten Sie den besseren Agent nicht allein aus Modellspezifikationen ab. Das Harness bestimmt, welchen Kontext das Modell sieht, welche Werkzeuge es aufrufen kann, wie Fehler zurückgegeben werden und wann Arbeit komprimiert wird. Nach der Wahl von Claude Code ordnet der Leitfaden zur Modellauswahl für Claude Code die Rollen von Sonnet, Opus, Fable und Haiku ein.

OmniaKey kann für beide Werkzeuge einen API-Key und ein vorausbezahltes Guthaben verwenden, doch die Routen bleiben bewusst getrennt:

• Claude Code nutzt den Anthropic-kompatiblen Endpunkt und ein Claude-Modell.
• Codex nutzt den Responses-kompatiblen Endpunkt und ein GPT-Modell.
• OmniaKey ersetzt eine Modellfamilie nicht unbemerkt durch die andere.

Diese Konfiguration eignet sich für kontrollierte Bewertungen, weil Konto- und Guthabenverwaltung einheitlich bleiben, während Agent, Protokoll und Modell sichtbar getrennt sind.

Kosten pro abgeschlossener Aufgabe vergleichen

Beide Produkte bieten im Wesentlichen zwei Zahlungswege: Zugriff im Rahmen eines geeigneten Privat- oder Teamabonnements und verbrauchsabhängige API-Nutzung. Diese Wege sind nicht gleichwertig.

Ein Abonnement hat tarifspezifische Nutzungslimits, Funktionszugänge und Rücksetzintervalle. API-Nutzung wird nach Modell-Tokens und gegebenenfalls Provider-Bedingungen abgerechnet. Reine Cloud-Funktionen können von der Kontoauthentifizierung abhängen, selbst wenn die lokale API-Key-Nutzung funktioniert. Preise und Kontingente ändern sich häufig genug, dass Sie sie auf den offiziellen Preisseiten prüfen sollten, statt sie in einen dauerhaften Vergleich zu kopieren.

Messen Sie für eine technische Entscheidung die Kosten pro akzeptierter Änderung:

Kosten je akzeptierter Aufgabe = Modell-/API-Ausgaben + Review-Zeit + Wiederholungskosten + Nachbesserungskosten

Erfassen Sie, sofern verfügbar, Tokens oder Kontonutzung, aber auch menschliche Eingriffe, fehlgeschlagene Testzyklen und die Zeit bis zu einem genehmigten Diff. Ein günstiger Durchlauf kann zur teureren Aufgabe werden, wenn er Review-Schulden erzeugt.

Berechtigungen und Ausführungsgrenzen

Berechtigungsabfragen eines Agents steuern den Workflow, sind aber kein vollständiges Sicherheitsmodell. Die stärkste Konfiguration kombiniert Zugangsdaten mit minimalen Rechten, einen isolierten Arbeitsbereich, ausdrückliche Netzwerkregeln, Repository-Schutz und menschliche Prüfung.

Prüfen Sie bei Claude Code die Berechtigungsmodi, allow/ask/deny-Regeln, Sandbox-Einstellungen und jeden Hook, der einen Befehl ausführen kann. Hooks sind deterministische Automatisierung und verdienen deshalb dieselbe Prüfung wie Shell-Skripte in CI.

Wählen Sie bei Codex zuerst die Sandbox und legen Sie dann eine zur Aufgabe passende Genehmigungsrichtlinie fest. Eine Untersuchung mit reinem Lesezugriff braucht keine Schreibrechte. Eine normale Repository-Änderung benötigt gewöhnlich Schreibzugriff auf den Workspace, keinen uneingeschränkten Zugriff auf den Host. Aktivieren Sie Netzwerkzugriff nur für Ziele, die Installation oder Tests erfordern.

Für beide Agents gilt:

1. Verwenden Sie einen sauberen Branch oder einen entbehrlichen Worktree.
2. Stellen Sie nur die für die Aufgabe erforderlichen Zugangsdaten bereit.
3. Prüfen Sie sowohl den Diff als auch erzeugte oder gelöschte Dateien.
4. Führen Sie bei relevantem Risiko deterministische Tests außerhalb der Agent-Schleife aus.
5. Verlangen Sie menschliche Genehmigung für Deployment, Zahlungen, Produktionsdaten und unumkehrbare Aktionen.

Wer sollte Claude Code wählen?

Claude Code ist der stärkere Ausgangspunkt, wenn:

• Ihr Team Claude-Modelle standardisiert hat;
• Entwickler den größten Teil der Agent-Schleife im Terminal verbringen;
• CLAUDE.md, Hooks, MCP, Skills oder Subagents Ihren Workflow bereits abbilden;
• Sie eine Anthropic-native API-Route für lokale verbrauchsabhängige Nutzung wünschen;
• die Aufgaben von einem Claude-Verhalten profitieren, das Sie in Ihren eigenen Repositorys validiert haben.

Claude Code passt weniger gut, wenn der Zugriff auf GPT-Modelle im selben Agent zwingend erforderlich ist. Anthropic dokumentiert ausdrücklich, dass das Routing zu Nicht-Claude-Modellen nicht unterstützt wird.

Wer sollte Codex wählen?

Codex ist der stärkere Ausgangspunkt, wenn:

• Ihr Team GPT-Modelle in einem OpenAI-Agent-Workflow verwenden möchte;
• CLI und IDE Repository-Anweisungen über AGENTS.md teilen sollen;
• ausdrückliche Genehmigungs- und Sandbox-Einstellungen für den lokalen Betrieb zentral sind;
• Cloud-Delegation im Hintergrund zum geplanten Workflow gehört;
• eine Responses-kompatible API-Route für kontrollierte lokale Nutzung hilfreich ist.

Codex passt weniger gut, wenn die entscheidende Anforderung lautet, Claude innerhalb von Codex auszuführen, ohne Protokoll- und Clientkompatibilität zu prüfen. Eine Einstellung für eigene Provider ist kein universeller Modelladapter.

Ein faires Bewertungsverfahren

Verwenden Sie mindestens zehn repräsentative Aufgaben aus einem Repository. Nehmen Sie einen kleinen Fehler, eine Funktion über mehrere Dateien, einen Testfehler, ein unbekanntes Subsystem, eine Abhängigkeits- oder Migrationsaufgabe und eine reine Review-Untersuchung auf. Entfernen Sie zuerst Kundendaten und Produktionszugänge.

Für jeden Agent:

1. Beginnen Sie vom selben Commit in einem frischen Worktree.
2. Verwenden Sie vergleichbare Modellstufen und nennen Sie die exakten Modell-IDs.
3. Geben Sie gleichwertige Repository-Anweisungen und dieselben Akzeptanzkriterien vor.
4. Halten Sie Netzwerk-, Schreib- und Genehmigungsgrenzen möglichst gleich.
5. Erlauben Sie dieselbe Höchstdauer und dieselbe Anzahl menschlicher Eingriffe.
6. Führen Sie denselben Formatter, Typechecker, dieselben Tests und Sicherheitsprüfungen aus.
7. Lassen Sie einen Reviewer die Korrektheit bewerten, ohne den Urheber-Agent des Diffs zu kennen.
8. Erfassen Sie Abschluss, Dauer, API-Nutzung, Eingriffe, Regressionen und Review-Kommentare.

Führen Sie lokale und Cloud-Workflows als getrennte Gruppen aus. Vergleichen Sie kein lokales Claude-Code-Ergebnis mit einem Codex-cloud-Ergebnis und schreiben Sie den Unterschied allein dem Modell zu. Wiederholen Sie fehlgeschlagene Aufgaben einmal, um eine systematische Grenze von Schwankungen zwischen Läufen zu unterscheiden.

Fazit

Bei Claude Code vs Codex gibt es keinen vertretbaren universellen Sieger. Claude Code ist die stimmigere Wahl für einen Claude-nativen Terminal-Workflow und Anthropics Ökosystem für Anweisungen und Erweiterungen. Codex ist die stimmigere Wahl für einen GPT-nativen Workflow über CLI, IDE und delegierte Cloud-Arbeit hinweg.

Die praktische Empfehlung lautet: Wählen Sie die Modellfamilie und Ausführungsoberfläche, die Sie kontrollieren können, und validieren Sie diese anhand akzeptierter Änderungen statt anhand von Demos. Teams mit gemischten Workloads können beide beibehalten. Ein Key und ein Guthaben vereinfachen den Zugriff, während ausdrückliche Endpunkte die wichtige Grenze zwischen Claude Code mit Claude und Codex mit GPT erhalten.

Häufig gestellte Fragen

Ist Claude Code besser als Codex?

Nicht für jedes Team und jede Aufgabe. Claude Code passt gut zu Claude-zentrierten Terminal-Workflows; Codex passt gut zu GPT-zentrierten CLI-, IDE- und Cloud-Workflows. Ein kontrollierter Test in Ihrem Repository ist verlässlicher als die Behauptung eines allgemeinen Siegers.

Verwendet Claude Code OpenAI-Modelle?

Nein. Anthropic dokumentiert Claude Code als für Claude-Modelle entwickelt und erklärt, dass Gateways nicht zu Nicht-Claude-Modellen routen können. Verwenden Sie einen unterstützten OpenAI-kompatiblen Agent, wenn GPT erforderlich ist.

Kann Codex einen eigenen API-Provider verwenden?

Ja, für passende lokale Workflows, sofern der Endpunkt das von Codex benötigte Responses-kompatible Verhalten implementiert. Das garantiert nicht, dass ein beliebiges Modell oder Gateway korrekt funktioniert, und API-Key-Authentifizierung schaltet keine reinen Cloud-Funktionen frei.

Was ist günstiger, Claude Code oder Codex?

Das hängt von Kontozugang, Modell, Token-Nutzung, Wiederholungen und Review-Zeit ab. Vergleichen Sie die aktuellen offiziellen Abonnement- und API-Bedingungen und messen Sie anschließend die Kosten pro akzeptierter Aufgabe statt Listenpreis oder Kosten pro Durchlauf.

Können Claude Code und Codex denselben OmniaKey API-Key verwenden?

Ja. Derselbe OmniaKey-Key und dasselbe vorausbezahlte Guthaben können beide Konfigurationen authentifizieren. Claude Code verwendet den Anthropic-kompatiblen Endpunkt mit Claude-Modellen; Codex verwendet den Responses-kompatiblen Endpunkt mit GPT-Modellen. Sie teilen weder ein Protokoll noch tauschen sie stillschweigend Modelle aus.

Unterstützen beide Agents Cloud-Aufgaben?

Ja, über Claude Code on the web und Codex cloud. Ihre Repository-Integrationen, Umgebungen, Authentifizierungsanforderungen und Review-Abläufe unterscheiden sich. Testen Sie die Cloud-Ausführung daher getrennt von der lokalen Nutzung.

Offizielle Quellen

• Anthropic: Überblick über Claude Code
• Anthropic: Funktionsweise von Claude Code
• Anthropic: Best Practices für Claude Code
• Anthropic: Berechtigungen
• Anthropic: Claude Code on the web
• Anthropic: LLM-Gateways
• Anthropic: Modellkonfiguration
• Anthropic: Kosten verwalten
• OpenAI: Codex CLI
• OpenAI: Codex-IDE-Erweiterung
• OpenAI: Codex cloud
• OpenAI: Codex-Authentifizierung
• OpenAI: Agent-Genehmigungen und Sicherheit
• OpenAI: Codex-Modelle
• OpenAI: Codex-Preise