Claude Code ou Codex: o Codex ganha o terminal por 13 pontos, o Claude ganha o repo difícil por 10

Atualizado em 15/08/2026. Os benchmarks abaixo foram medidos com Claude Opus 4.8 e GPT-5.5, as versões vigentes quando este comparativo saiu. Desde então a Anthropic lançou o Opus 5 e a OpenAI lançou a família GPT-5.6 Sol, Terra e Luna. Os números pontuais mudaram; a diferença estrutural entre as duas ferramentas, que é o assunto deste post, não.

Resposta curta, antes de tudo: no trabalho de terminal e shell, o Codex ganha por 13 pontos. No problema difícil de repositório, aquele que toca cinco arquivos e quebra teste em outro lugar, o Claude Code ganha por 10. No bug bem definido, empatam. A escolha não é de qualidade — é de qual gargalo dói mais em você.

No fim do meu teste de modelos, dois sobraram de pé pra trabalho real: Claude e Codex. O resto eu fui descartando — um alucinava nome de função, outro travava em repo grande, outro era ótimo no chat e péssimo no terminal. Mas esses dois eu não consegui tirar do fluxo.

Neste post eu comparo os dois em código agêntico de verdade: força em repo real, comportamento no terminal, custo e modelo de execução. Sem ranking de marketing. É o que sobrou depois de rodar os dois em projeto que paga boleto.

TL;DR

• O que é: comparativo prático entre Claude Code (Anthropic) e Codex (OpenAI) para coding agêntico.
• Modelos medidos: Claude Code com Claude Opus 4.8; Codex com a família GPT-5.5/5.4. Ver nota de atualização no topo.
• Terminal-Bench: Codex 82,7% contra 69,4% do Claude Code. Vantagem Codex, 13 pontos.
• SWE-bench Pro: Claude Code 69,2% contra 58,6% do Codex. Vantagem Claude, 10 pontos.
• SWE-bench Verified: empate técnico, 88,7% contra 88,6%.
• Custo/Acesso: ambos começam em US$ 20/mês; Claude Code escala em Max (US$ 100/US$ 200), Codex no Plus/Pro (US$ 20 a US$ 200).

O contexto: dois jeitos diferentes de "agente de código"

Antes de comparar número, precisa entender que Claude Code e Codex não são a mesma ferramenta com logo trocado. Eles partem de filosofias diferentes de como um agente deve trabalhar.

Claude Code é um par de programação supervisionado, no seu terminal. Ele lê o seu filesystem local, roda comandos no seu shell, usa o seu git, e chama a API da Anthropic só pra raciocinar. Você está junto, vendo cada passo, aprovando o que importa. É engenharia assistida, não terceirizada (Builder.io). Se você ainda não pegou o jeito dele, vale ler antes o que é o Claude Code e como ele funciona.

Codex é um executor autônomo, na nuvem. Ele roda tarefas em containers sandboxed na infra da OpenAI, em paralelo, muitas vezes longe do seu terminal. Você dá a tarefa, ele vai lá e faz — e você revisa o resultado depois (Developers Digest).

Essa diferença não é detalhe. Ela explica quase tudo que vem depois: por que um é melhor no terminal, por que o outro é melhor em delegar trabalho em lote, e por que a maioria dos devs experientes acabou rodando os dois.

A adoção conta a mesma história. Em fevereiro de 2026, o Claude Code já estava por trás de cerca de 4% de todos os commits públicos do GitHub — algo como 135 mil commits por dia, com um pico de 326 mil num único dia em março, e projeção da SemiAnalysis de passar de 20% até o fim de 2026 (SemiAnalysis via Composio). O Codex, do outro lado, virou um command center de coding: extensão de VS Code com quase 10 milhões de instalações, CLI com mais de 88 mil estrelas no GitHub, app web, iOS e, desde junho de 2026, disponível no Amazon Bedrock.

Os dois explodiram. A briga não é "quem sobrevive". É "quem é melhor pra quê".

E repare no que a nota de atualização no topo deste post significa: em oito semanas, os dois modelos citados aqui já foram substituídos. Quem escolhe ferramenta por benchmark do mês refaz a escolha todo mês. Quem tem eval do próprio domínio troca de modelo numa linha de config e segue a vida — e é esse tipo de sistema que a gente constrói junto, ao vivo, toda semana no Clã Beer and Code.

Benchmark: onde cada um ganha

Aqui é onde a conversa fica concreta. E o resultado é mais dividido do que o hype sugere.

No Terminal-Bench — que mede trabalho de shell, comando, automação de terminal — o Codex com GPT-5.5 abre vantagem clara: 82,7% contra 69,4% do Claude Code. Treze pontos. Não é empate técnico, é diferença que você sente no dia a dia de quem vive no terminal (morphllm).

No SWE-bench, que mede resolver bug e implementar feature em repositório real, a coisa inverte e aperta:

• SWE-bench Verified: GPT-5.5 lidera por uma unha — 88,7% contra 88,6% do Opus 4.8. Empate técnico de 0,1 ponto.
• SWE-bench Pro (os problemas mais difíceis, multi-arquivo): Opus 4.8 abre vantagem — 69,2% contra 58,6%.

Leia isso com calma, porque é o coração do post. No problema difícil de verdade — aquele que toca cinco arquivos, quebra um teste em outro lugar e exige entender o repo inteiro — o Claude Code é consistentemente melhor. No trabalho de terminal e shell, o Codex domina. E no "resolver um bug bem definido", eles empatam.

Ou seja: não existe um vencedor no abstrato. Existe o melhor pro seu gargalo.

Claude Code ou Codex, por cenário

Chega de benchmark. Vou traduzir isso em decisão prática, do jeito que eu uso.

Cenário 1: refactor pesado em repo grande

Você precisa renomear um conceito que aparece em 30 arquivos, ou migrar uma camada inteira sem quebrar os testes. Aqui o Claude Code brilha. O loop supervisionado, o plan mode antes de operações caras, e a vantagem no SWE-bench Pro fazem diferença real quando o erro custa caro e precisa ser pego antes de propagar.

# Claude Code: você acompanha o plano antes de ele tocar em 30 arquivos
claude
> /plan migrar a camada de pagamento de Stripe v1 para v2 sem quebrar os testes

Cenário 2: trabalho de terminal e automação

Scripts de shell, manipulação de CI, tarefas que vivem no terminal. O Codex entrega 13 pontos a mais no Terminal-Bench, e o desenho sandboxed dele combina com tarefa que é "roda esse comando, me devolve o resultado".

Cenário 3: delegar trabalho em lote, em paralelo

Você tem cinco tarefas independentes e quer disparar todas e revisar depois. O modelo de execução autônoma na nuvem do Codex foi feito pra isso — agentes trabalhando em paralelo em vários projetos. Tanto que ambos já têm multi-agente de verdade: o Codex levou subagents pra GA em 14 de março de 2026, e o Claude Code tem o Agent Teams evoluindo na mesma direção.

A dica de ouro: o critério não é qualidade, é controle

A pergunta certa não é "qual é mais inteligente". Os dois são absurdamente capazes. A pergunta é: quanto controle você quer durante a tarefa?

Quer estar junto, vendo cada decisão, aprovando mudança em código sensível? Claude Code. Quer delegar e revisar o resultado fechado? Codex. É a mesma diferença entre programar em par e abrir um PR pra alguém resolver sozinho.

Custo: o que você realmente paga

Os dois começam no mesmo lugar: US$ 20/mês. Mas o que você ganha por esse valor difere.

• Claude Code: Pro a US$ 20 (cota mais apertada, queima rápido), Max 5x a US$ 100 e Max 20x a US$ 200 pra quem usa pesado. Na prática, o custo médio fica em torno de US$ 13 por dev por dia ativo, com 90% dos usuários abaixo de US$ 30/dia (CloudZero).
• Codex: Free, Plus a US$ 20 (15 a 80 mensagens por janela de 5h), e Pro a partir de US$ 100. Em abril de 2026 a OpenAI trocou cobrança por mensagem por créditos baseados em token.

A real: no mesmo US$ 20, o Codex tende a dar mais tempo de execução de agente, e o Claude Code dá uma cota mais justa que você consome rápido se for um usuário intenso. Pra quem trabalha o dia inteiro com o agente, o degrau pro Max (US$ 100) ou pro Pro do Codex é quase inevitável.

Limitações e pontos de atenção

Nenhum dos dois é mágica. Onde você vai se queimar:

• Os números têm data. Foram medidos com Opus 4.8 e GPT-5.5. As duas empresas já lançaram geração nova. Trate o placar como direção, não como verdade de hoje.
• Claude Code depende do seu ambiente local. Se o seu terminal, git ou filesystem estão bagunçados, ele herda a bagunça. É poder e responsabilidade no mesmo pacote.
• Codex é mais opaco por design. Rodar em container na nuvem traz isolamento e paralelismo, mas dificulta automação de browser e tarefas que precisam do seu contexto local imediato.
• Cota some rápido em uso intenso. Os dois. Plano de US$ 20 é porta de entrada, não plano de produção pra quem vive no agente.
• Benchmark não é o seu repo. SWE-bench e Terminal-Bench são proxies. O seu código legado, com suas manias, pode inverter qualquer um desses números. Teste no seu projeto antes de fechar opinião.

FAQ rápido

Claude Code ou Codex: qual escolher se eu só posso ter um? Se o seu trabalho é majoritariamente mexer em repo real, com refactor e mudança multi-arquivo, vá de Claude Code (10 pontos de vantagem no SWE-bench Pro). Se é majoritariamente terminal, automação e delegação em lote, vá de Codex (13 pontos no Terminal-Bench). Na dúvida, Claude Code tem a vantagem no problema difícil.

Qual é a melhor IA para codar em projeto Laravel/PHP grande? Pelos números do SWE-bench Pro, o Claude Code leva vantagem em mudança que toca muitos arquivos — exatamente o caso de um monolito Laravel maduro. Mas teste os dois no seu repo: legado é imprevisível.

Dá pra usar os dois ao mesmo tempo? Sim, e é o que a maioria dos devs experientes faz. Claude Code pra implementação focada e supervisionada; Codex pra disparar trabalho paralelo em background. Não são excludentes.

O empate no SWE-bench Verified significa que tanto faz? Não. O Verified mede bug bem definido, onde eles empatam por 0,1 ponto. A diferença aparece no Pro (Claude na frente por 10) e no Terminal-Bench (Codex na frente por 13). Olhe o benchmark que reflete o seu trabalho.

Conclusão

Claude Code ganha no repo real, no refactor difícil, no controle passo a passo. Codex ganha no terminal, na execução autônoma, na delegação em lote. E os dois empatam onde o problema é bem definido. O dev que entende isso para de perguntar "qual é melhor" e começa a perguntar "qual encaixa nesse gargalo".

O próximo passo desse jogo não é escolher o agente. É aprender a construir em volta dele — o harness, o contexto, os limites. Saber operar um agente é diferente de saber montar um sistema agêntico que aguenta produção.

No fim, a ferramenta é só ferramenta. E ela troca de nome a cada oito semanas, como a nota no topo deste post prova. O diferencial continua sendo o dev que entende o problema, modela a solução e sabe quando confiar no agente — e quando segurar a rédea.