Die wichtigste Korrektur gleich am Anfang. OpenAI Codex ist kein reiner Cloud-Agent. Die Codex CLI arbeitet lokal in deinem Repository, liest und ändert lokale Dateien und führt die auf deinem Rechner installierten Werkzeuge aus.
Der bisherige Artikel hat Codex CLI, Codex Cloud und die Desktop-App vermischt. Er enthielt außerdem veraltete Modelle, nicht vergleichbare Benchmarkwerte und die falsche Behauptung, Gemini CLI sei eingestellt worden. Ich habe ihn deshalb nicht kosmetisch aktualisiert, sondern neu recherchiert und beide CLI-Tools auf demselben Mac praktisch getestet.
- CLI gegen CLI: Beide arbeiten lokal. Claude Code hat die dichtere interaktive Oberfläche, Codex das klarere Sandboxmodell und mit codex exec einen sehr guten Automatisierungsweg
- Desktop-App gegen Desktop-App: Claude bietet Local, Cloud, SSH und WSL. ChatGPT bietet für Codex Local, Worktree und Cloud. Beide Apps können also lokal und remote arbeiten
- Mein Fazit: Claude Code passt besser zu einem terminalzentrierten Workflow. Codex ist vielseitiger, wenn du Terminal, GUI, Worktrees, Cloud und mehrere parallele Threads kombinieren willst
Vier Produkte, die du getrennt betrachten musst
Ein fairer Vergleich beginnt mit der richtigen Produktgrenze. Es geht nicht um „lokal gegen Cloud“, sondern um vier Oberflächen.
So habe ich getestet
Der Praxistest lief am 24. August 2026 auf einem Apple-Silicon-Mac mit macOS 26.6.2 und 128 GB Arbeitsspeicher. Installiert waren Claude Code CLI 2.1.234, Claude Desktop 1.34493.1 mit gebündeltem Claude Code 2.1.237, Codex CLI 0.149.0-alpha.4.1 und ChatGPT Desktop 26.818.41509.
Für den CLI-Test habe ich zweimal dieselbe kleine JavaScript-Anwendung kopiert. Ein Duration-Parser enthielt zwei Fehler, sechs Tests deckten sie ab und zwei Tests waren anfangs rot. Beide Agenten bekamen denselben Auftrag. Sie durften Quellcode ändern und Tests ausführen, aber weder Tests bearbeiten noch Pakete installieren oder Commits anlegen.
Find and fix the bug in this repository.
Run the tests and keep the change minimal.
Do not install dependencies, edit tests, or commit.Ein einzelner kontrollierter Lauf am 24. August 2026. Unterschiedliche Modelle und Reasoning-Stufen, daher kein Leistungsbenchmark.
Beide fanden die richtige Ursache, änderten ausschließlich die Quelldatei und brachten alle 6/6 Tests zum Laufen. Codex war in diesem Lauf schneller. Das beweist aber nicht, dass Codex generell schneller ist. Fable 5 lief mit High Reasoning, Sol ohne Reasoning. Schon diese Einstellung macht einen direkten Zeitvergleich unfair.
CLI gegen CLI
Die Codex CLI arbeitet lokal. Genau das sagt auch die offizielle CLI-Dokumentation von OpenAI. Sie untersucht Dateien, ändert sie und führt lokal installierte Werkzeuge aus. Claude Code macht dasselbe. Unterschiede zeigen sich bei Bedienung, Automatisierung und Sicherheitsmodell.
| Feature | Claude Code | OpenAI Codex |
|---|---|---|
Grundlagen(6 Einträge) | ||
| Hersteller | Anthropic | OpenAI |
| Erstveröffentlichung | Februar 2025 | April 2025 |
| Open Source | Nein | Apache 2.0 |
| Primäre Schnittstelle | Terminal (CLI) | Terminal (CLI) |
| Installation | Native installer, Homebrew, WinGet | Homebrew, npm, system packages |
| Betriebssysteme | Mac/Linux/Win | Mac/Linux/Win |
Preise & Limits(6 Einträge) | ||
| Basispreis | $20/mo (Pro) | $20/mo (Plus) |
| Premium-Tarif | $100-200/mo (Max) | $100-200/mo (Pro) |
| Free Tier | Nein | Limited |
| API Input-Kosten | $1-10/1M | $0.20-5/1M |
| API Output-Kosten | $5-50/1M | $1.20-30/1M |
| Prompt Caching | Ja | Ja |
Modelle & Kontext(9 Einträge) | ||
| Standardauswahl | Claude Opus 5 (1M) | gpt-5.6-sol |
| Höchste Fähigkeit | Claude Fable 5 (best) | gpt-5.6-sol |
| Schnelles Modell | Claude Haiku 4.5 | gpt-5.6-luna |
| Preview-Modell | Nein | gpt-5.3-codex-spark |
| Modellauswahl | /model | /model |
| Kontext der Standardauswahl | 1M (Fable/Opus/Sonnet) | 1.05M (GPT-5.6) |
| Max Kontext | 1M Token | 1.05M Token |
| Output-Limit | 128K Token | 128K Token |
| Reasoning-Modus | Effort / adaptive | Low-Max |
Standards & Konfiguration(5 Einträge) | ||
| Config-Datei | CLAUDE.md | AGENTS.md |
| MCP-Support | Voll | Voll |
| Skills/Plugins | Skills/Plugins | Skills/Plugins |
| Custom Instructions | Rules & settings | Rules & settings |
| Projekt-Kontext | Automatisch | Automatisch |
Integration & Oberflächen(8 Einträge) | ||
| Git-Integration | Git + worktrees | Git + worktrees |
| VS Code | Extension | Extension |
| JetBrains IDEs | Plugin | Terminal |
| Cursor Support | VS Code-compatible | VS Code-compatible |
| Neovim | Terminal | Terminal |
| Desktop-App | Separate Claude app | Inside ChatGPT app |
| Web/Cloud | Separate cloud workflow | Separate cloud workflow |
| API-Zugang | Voll | Voll |
Features & Fähigkeiten(11 Einträge) | ||
| Datei-Operationen | Lesen/Schreiben | Lesen/Schreiben |
| Shell-Befehle | Local shell | Local shell |
| Code-Generierung | Ja | Ja |
| Refactoring | Ja | Ja |
| Debugging | Ja | Ja |
| Test-Generierung | Ja | Ja |
| Code Review | /review | codex review |
| Dokumentation | Ja | Ja |
| Bild-Input | Screenshots | Vision |
| Web-Suche | Ja | Ja |
| Codebase-Analyse | Voll | Voll |
Autonomie & Agenten(8 Einträge) | ||
| Autonomes Arbeiten | Ja | Ja |
| Subagents | Nativ | Nativ |
| Parallele Agents | Ja | Ja |
| Task-Planung | Automatisch | Automatisch |
| Checkpoints | Rewind | Undo / Git diff |
| Kontext-Kompression | /compact | Automatic |
| Session-Fortführung | -c / -r | resume |
| Headless/Batch | -p Flag | codex exec |
Sicherheit & Datenschutz(4 Einträge) | ||
| Lokale Ausführung | Ja | Ja |
| Permissions-System | Tools + OS sandbox | OS sandbox + approvals |
| Enterprise-Optionen | Ja | Enterprise |
| Daten-Training | Plan-dependent | Plan-dependent |
Praxistest & Releases(3 Einträge) | ||
| Lokaler Kontrolltest | 6/6 tests | 6/6 tests |
| Dauer im Kontrolltest | 83.50 s (Fable 5, High) | 36.12 s (Sol, None) |
| Stabile Releases in 90 Tagen | 78 | 29 |
Interaktive Bedienung
Claude Code fühlt sich wie eine sehr dichte Terminal-Anwendung an. Slash-Commands steuern Modelle, Berechtigungen, Kontext, Worktrees, Agenten, Remote Control und zahlreiche Komfortfunktionen. Die Oberfläche zeigt Plan, Tool-Aufrufe und Rückfragen klar, kann bei engen Berechtigungen aber viele Bestätigungen verlangen.
Codex ist ebenfalls interaktiv, trennt aber mehr Funktionen in echte Unterbefehle. codex exec ist für nicht interaktive Läufe gedacht, codex review für Reviews und codex app öffnet die Desktop-App. Für Skripte und CI ist diese Struktur leicht nachvollziehbar.
# Claude Code lokal und interaktiv
claude
# Claude Code nicht interaktiv
claude -p "Run the tests and explain every failure" --output-format json
# Codex lokal und interaktiv
codex
# Codex nicht interaktiv
codex exec "Run the tests and explain every failure"Sandbox und Berechtigungen
Claude trennt Tool-Berechtigungen und Betriebssystem-Sandbox. Regeln können einzelne Tools und Befehle erlauben oder sperren. Hooks ergänzen eigene Prüfungen. Die Sandbox begrenzt anschließend die Prozesse, die ein freigegebener Shell-Befehl startet. Unter nativem Windows steht diese Sandbox laut Anthropic nicht zur Verfügung, unter WSL2 schon.
Codex dokumentiert drei Sandboxstufen. read-only erlaubt nur Lesen, workspace-write zusätzlich Änderungen im Arbeitsbereich und danger-full-access hebt die Begrenzung auf. Davon getrennt entscheidet die Approval Policy, wann der Agent nachfragen muss. Die Kombination aus workspace-write und on-request ist für normale lokale Arbeit ein sinnvoller Ausgangspunkt.
Erweiterbarkeit und Projektregeln
Beide unterstützen MCP, Skills, Hooks, Subagents, Projektanweisungen und Bild-Input. Claude liest typischerweise CLAUDE.md, Codex AGENTS.md. Bei Codex teilen CLI, Desktop-App und IDE die config.toml. Claude teilt Einstellungen, Skills, Hooks und MCP zwischen CLI und Code-Tab.
Der wichtige Unterschied bei parallelen Agenten ist nicht „Claude lokal, Codex Cloud“. Beide können lokal Subagents starten. Beide haben zusätzlich Cloud-Workflows. Subagents verbrauchen bei beiden zusätzliche Tokens und sollten deshalb bewusst eingesetzt werden.
Desktop-App gegen Desktop-App
Auch die Desktop-Seite wurde im alten Artikel falsch beschrieben. Die „Codex Desktop-App“ ist heute der Codex-Modus in der ChatGPT-App. Claude Code steckt im Code-Tab der Claude-App. Beide sind eigenständige grafische Arbeitsumgebungen und nicht bloß hübschere Terminals.
Die Funktionsabgrenzung folgt der aktuellen Claude-Desktop-Dokumentation, der Dokumentation der ChatGPT-Desktop-App und OpenAIs Erklärung der drei Codex-Modi.
Claude Desktop im Alltag
Der Code-Tab öffnet Ordner, zeigt Dateien und Diffs, hat ein integriertes Terminal und kann eine App-Vorschau anzeigen. Lokale Desktop-Sessions starten bei Git-Repositories standardmäßig in einem eigenen Worktree. Dadurch können mehrere Aufgaben nebeneinander laufen, ohne denselben Checkout zu verändern. Local bestimmt den Ausführungsrechner. Die Session bleibt bei einem Git-Repository trotzdem im isolierten Worktree.
Claude bietet vier Ausführungsziele. Local arbeitet auf dem Mac oder PC, SSH auf einem entfernten eigenen Rechner, WSL in der Windows-Linux-Umgebung und Cloud auf Anthropic-Infrastruktur. Remote Control ist davon getrennt. Es steuert eine laufende lokale CLI-Session von einem anderen Gerät, verschiebt die Ausführung aber nicht automatisch in die Cloud.
ChatGPT Desktop mit Codex im Alltag
Die ChatGPT-App öffnet Projekte und Codex-Chats, zeigt Dateien, Diffs und Terminalausgaben und kann Browser- sowie Computerwerkzeuge einbinden. Im Local-Modus arbeitet Codex im gewählten Projektordner. Der Worktree-Modus erstellt einen isolierten Git-Worktree und unterstützt den Handoff zwischen Local und Worktree. Cloud startet dagegen einen konfigurierten Container mit Checkout, Setup-Skript, Diff und Pull-Request-Option.
Der Worktree-Modus benötigt Git. Neue Worktrees beginnen standardmäßig mit einem detached HEAD. Erst ein bewusst angelegter Branch macht die Arbeit dauerhaft pushbar. Das ist technisch sauber, aber für Einsteiger nicht selbsterklärend.
Welche Desktop-App ist benutzerfreundlicher?
ChatGPT wirkt zugänglicher, wenn du die Chat-Oberfläche bereits kennst und viele Threads, Browserarbeit und geplante Aufgaben an einem Ort willst. Claude wirkt fokussierter auf den Coding-Loop aus Aufgabe, Dateidiff, Terminal und Vorschau. Für parallele lokale Änderungen sind die isolierten Worktrees beider Apps der wichtigste Produktivitätsgewinn. Claude legt sie pro Git-Session automatisch an, bei Codex wählst du ausdrücklich den Worktree-Modus.
Keine App nimmt dir Git-Grundwissen vollständig ab. Du solltest vor dem Start wissen, in welchem Ordner, Worktree oder Cloud-Checkout die Aufgabe läuft. Genau diese Umgebungswahl ist wichtiger als die Farbe der Oberfläche.
Alle aktuell verfügbaren Modelle
Ich habe nicht nur Marketingseiten ausgewertet, sondern die Modellpicker beider lokal installierter CLIs geöffnet. Die Auswahl hängt trotzdem von Tarif, Organisation und Rollout ab. API-Preise in den folgenden Tabellen gelten pro 1 Million Input- und Output-Token. Sie sind nicht mit den Nutzungslimits eines Abos gleichzusetzen.
Technische Daten und Preise habe ich gegen die offizielle Anthropic-Modellübersicht und die Codex-Modellübersicht von OpenAI geprüft.
Die Tabellen zeigen die technischen Modellmaxima. Das tatsächlich nutzbare Kontextfenster in einem Claude- oder ChatGPT-Tarif kann durch Tarif, Oberfläche und den für Werkzeuge reservierten Arbeitskontext kleiner sein.
Claude-Code-Modelle
Quellen: lokaler Claude-Code-Picker und offizielle Anthropic-Modellübersicht, geprüft am 24. August 2026.
Die Voreinstellung in meinem Picker empfahl Opus 5 mit 1 Million Token Kontext. Fable 5 ist die Option mit der höchsten verfügbaren Fähigkeit, aber mit 10 $ Input und 50 $ Output zugleich das teuerste Modell. Opus 5 halbiert diese Preise und bleibt für schwierige Aufgaben stark. Sonnet 5 ist der vernünftige Allrounder. Haiku 4.5 spart am meisten, hat aber nur 200.000 Token Kontext und 64.000 Token maximalen Output.
Codex-Modelle
Quellen: lokaler Codex-Picker und offizielle OpenAI-Modellseiten, geprüft am 24. August 2026.
Die GPT-5.6-Familie deckt drei sinnvolle Stufen ab. Sol ist für schwere Aufgaben gedacht, Terra für die meisten Alltagsaufgaben und Luna für schnelle, wiederholbare Arbeit. Besonders auffällig ist Lunas niedriger API-Preis von 0,20 $ Input und 1,20 $ Output. Spark ist keine normale API-Alternative, sondern eine textbasierte Research Preview für ChatGPT Pro.
GPT-5.4 und GPT-5.4-mini stehen am Testtag noch im Picker. OpenAI entfernt sie bei ChatGPT-Anmeldung am 31. August 2026 aus Codex. Bei API-Key-Authentifizierung gilt diese Abschaltung laut Modelldokumentation nicht. Für neue Workflows würde ich beide trotzdem nicht mehr als Standard wählen.
Welches Modell ist besser?
Eine seriöse Rangliste lässt sich aus den Herstellerbenchmarks nicht ableiten. Anthropic und OpenAI veröffentlichen Werte mit unterschiedlichen Agentenharnesses, Toolsets, Limits und Prompting-Setups. Selbst ein gleich benannter Benchmark ist dadurch nicht automatisch direkt vergleichbar.
Für deine Auswahl zählt deshalb zuerst der konkrete Workflow. Fable 5 und Sol sind die Qualitätsoptionen, Sonnet 5 und Terra die ausgewogenen Modelle, Haiku 4.5 und Luna die schnellen Sparmodelle. Teste deine eigenen Repositories mit denselben Aufgaben, Berechtigungen und Akzeptanztests.
Changelogs und Entwicklungsgeschwindigkeit
Ich habe die offiziellen GitHub-Releases bis zum 24. August 2026 gezählt. Bei Codex zählen nur stabile Releases nach dem Muster rust-vX.Y.Z, keine Drafts und keine Pre-Releases. Claude Code veröffentlicht wesentlich häufiger.
Gezählt aus den offiziellen GitHub-Releases mit UTC-Zeitstempeln bis 24. August 2026.
Claude Code 2.1.241 vom 23. August war der jüngste Release in der Messung. Codex 0.149.1 erschien am 24. August. Claude kommt über alle drei Zeitfenster auf ungefähr einen Release pro 1,2 Tage. Codex liegt bei ungefähr einem stabilen Release pro drei bis fünf Tage.
Das spricht für eine höhere Veröffentlichungsfrequenz bei Anthropic, nicht automatisch für mehr Substanz. Codex bündelt häufiger mehrere Änderungen in einem stabilen Release und veröffentlicht zusätzlich Alphas und Pre-Releases, die in meiner Zählung bewusst fehlen. Für Nutzer bedeutet Claudes Takt mehr schnelle Funktionen, aber auch mehr Änderungen, die Dokumentation und Teamrichtlinien nachziehen müssen.
Die Quellen sind die Claude-Code-Releases, die Codex-Releases und das offizielle Codex-Changelog.
Voraussetzungen und Installation
# Claude Code, nativer Installer für macOS und Linux
curl -fsSL https://claude.ai/install.sh | bash
# Codex über Homebrew
brew install --cask codex
# Alternativ stehen für beide npm-Pakete bereit.
# Nutze immer die aktuelle offizielle Installationsdokumentation.Ich würde Installationsbefehle nie blind aus einem Blog kopieren. Prüfe zuerst die aktuelle Claude-Code-Installation oder die aktuelle Codex-CLI-Dokumentation. Gerade bei einem so hohen Release-Takt ändern sich Paketwege und Plattformhinweise schnell.
Preise und Nutzungslimits
Claude Code ist in Claude Pro für 20 $ monatlich enthalten. Max startet bei 100 $ monatlich und reicht bis 200 $. Team Standard kostet 25 $ monatlich oder 20 $ bei Jahreszahlung, Team Premium 125 $ monatlich oder 100 $ bei Jahreszahlung.
Codex ist laut aktueller OpenAI-Preisseite in ChatGPT Free, Go für 8 $, Plus für 20 $, Pro ab 100 $ und Business für 25 $ monatlich beziehungsweise 20 $ bei Jahreszahlung enthalten. Die genaue Nutzungsmenge hängt von Modell, Aufgabe und Tarif ab. Spark ist Pro vorbehalten.
Bei API-Key-Anmeldung zahlst du bei beiden Anbietern nach Tokens. Dafür gelten die Preise in den Modelltabellen. Ein Abo-Limit lässt sich nicht in einen festen Tokenwert umrechnen. Deshalb sind Aussagen wie „150 Nachrichten pro fünf Stunden“ ohne aktuelle, tarifbezogene Quelle ungeeignet.
Maßgeblich sind die aktuellen Claude-Preise und die Codex-Preise. Beide Anbieter können Limits und Tarifinhalte kurzfristig ändern.
Datenschutz und Sicherheit
Beide Tools führen lokale Befehle aus, senden aber den benötigten Code und Kontext an einen Modellanbieter. Eine Sandbox schützt dein Dateisystem und Netzwerk vor dem Agenten. Sie verhindert nicht, dass freigegebener Kontext zur Inferenz übertragen wird.
Bei Claude Free, Pro und Max hängt die Verwendung zur Modellverbesserung von der Datenschutzeinstellung des Nutzers ab. Team, Enterprise und API werden standardmäßig nicht für Training verwendet. OpenAI trennt ebenfalls Consumer- und Business-Datenrichtlinien. Prüfe für vertraulichen Code immer den konkreten Vertrag, die Workspace-Einstellungen und die Datenaufbewahrung.
Details findest du in Anthropics Claude-Code-Datenrichtlinie und in OpenAIs Codex-Sicherheitsdokumentation.
- Starte in unbekannten Repositories mit Lesezugriff oder Workspace-Sandbox.
- Speichere Secrets nicht in Projektdateien, Prompts oder Screenshots.
- Vertraue Projektregeln, Hooks, Skills und MCP-Server nur nach Prüfung.
- Verwende volle Berechtigungen nur in einer isolierten VM oder einem Wegwerf-Container.
- Prüfe den Diff und führe Tests selbst aus, bevor du commitest oder pushst.
Meine Empfehlung
Für einen terminalzentrierten Workflow würde ich Claude Code nehmen. Die interaktive Oberfläche, die vielen Slash-Commands, die feinen Tool-Regeln und der schnelle Release-Takt machen es zu einem sehr starken täglichen Begleiter. Die Claude-Desktop-App ergänzt diesen Workflow gut, besonders mit automatischen Worktrees und App-Vorschau.
Codex würde ich wählen, wenn ich Terminal und GUI gleichwertig nutzen, viele Threads parallel organisieren oder bewusst zwischen Local, Worktree und Cloud wechseln will. Die Codex CLI ist nicht das Anhängsel der Cloud. Sie ist ein vollwertiger lokaler Agent mit guter Automatisierung und einem transparenten Sandboxmodell.
Wenn du bereits ChatGPT Plus, Pro oder einen Claude-Tarif bezahlst, starte mit dem enthaltenen Werkzeug. Baue dann fünf echte Aufgaben aus deinem Repository als kleines Eval. Erst wenn ein anderes Tool diese Aufgaben reproduzierbar besser löst, lohnt sich ein zweites Abo.
