Codex CLI vs Claude Code 2026: Architektur, Preise und Zugang aus China

Sowohl Codex CLI als auch Claude Code sind terminalnative agentische Werkzeuge, und seit Mitte 2026 setzen beide Sicherheit auf zwei Ebenen durch: darunter eine Sandbox auf Betriebssystemebene, darüber eine programmierbare Governance-Schicht. Was sie heute unterscheidet, sind Schwerpunkt und Tiefe. Codex führt mit der Kernel-Sandbox und hält sein Hook-System klein; Claude Code führt mit der reichhaltigsten Hook-Oberfläche der Kategorie und hat darunter eine per Betriebssystem gesandboxte Ausführung ergänzt. Dieser Unterschied im Schwerpunkt wirkt sich nach wie vor darauf aus, wie jedes Werkzeug mit Konfiguration, Berechtigungen, Multi-Agent-Workflows und Team-Governance umgeht. Der folgende Vergleich zeichnet diese Unterschiede anhand konkreter Entscheidungskriterien nach und erweitert damit das Terrain des AI Engineering, das ich auf dieser Website aufbaue.

Claude Code ist mein Hauptwerkzeug. Diese Voreingenommenheit lege ich vorab offen. Die Beobachtungen hier stammen aus dem täglichen Einsatz beider Werkzeuge in produktiven Aufgaben, aus Blindevaluationen und aus Workflows mit beiden Werkzeugen.

TL;DR: Codex setzt Sicherheit vor allem auf der Kernel-Ebene des Betriebssystems durch (Seatbelt, Landlock, seccomp)¹ und legt darüber ein kleines Hook-System mit fünf Events (stabil seit CLI v0.124.0). Claude Code führt mit Governance auf Anwendungsebene, mit 31 programmierbaren Hook-Events (Stand August 2026)², und stützt das durch gesandboxtes Bash auf Betriebssystemebene (Seatbelt/bubblewrap) ab – dazu kommt seit v2.1.219 eine strictAllowlist, die nicht freigegebene Hosts rundweg ablehnt. Beide Werkzeuge arbeiten mit großem Kontext: Claude Code nutzt standardmäßig Opus 5 bei Max, Team Premium, Enterprise und API-Konten sowie Sonnet 5 bei Pro und Team Standard (beide nativ 1M; Sonnet $2/$10, Opus $5/$25 pro MTok)²⁰; Codex CLI nutzt standardmäßig die GPT-5.6-Familie (272K in Codex als Voreinstellung, 872K mit model_context_window; GPT-5.6 Sol zum Aktionspreis von $4/$20 pro MTok mindestens bis zum 21. November 2026)¹⁹²¹. Nehmen Sie Codex für in der Cloud gesandboxte Aufgabendelegation und Isolation auf Kernel-Ebene. Nehmen Sie Claude Code für programmierbare Governance, langfristiges Refactoring und sicherheitsorientierte Code-Reviews. Die besten Ergebnisse liefert der Einsatz beider Werkzeuge.

Die wichtigsten Erkenntnisse

• Solo-Entwickler: Beginnen Sie mit dem Werkzeug, das zu Ihrem primären Sprach-Ökosystem passt. Beide Werkzeuge existieren konfliktfrei im selben Repository nebeneinander (CLAUDE.md und AGENTS.md sind voneinander unabhängig).
• Teamleitungen: Die Profile von Codex bieten einen expliziten, prüfbaren Konfigurationswechsel. Die geschichtete Hierarchie von Claude Code wendet kontextabhängige Regeln automatisch an. Entscheiden Sie danach, ob Ihr Team explizite Kontrolle oder automatische Anpassung bevorzugt.
• Sicherheitsingenieure: Die Kernel-Sandbox von Codex hindert den Agenten daran, Beschränkungen auf Betriebssystemebene zu umgehen. Die Hooks von Claude Code teilen sich eine Prozessgrenze mit dem Agenten, erlauben aber beliebige Prüflogik – wobei inzwischen gesandboxtes Bash auf Betriebssystemebene darunterliegt. Wählen Sie das Werkzeug passend zu Ihrem Bedrohungsmodell.

Welches Werkzeug sollten Sie wählen? (Entscheidungspfade nach Persona)

Die Antwort des Vergleichs hängt davon ab, wer Sie sind. Vier Pfade, je einer für die häufigsten Leser dieser Seite.

Solo-Entwickler bei privaten oder kleinen Teamprojekten

Standard: Claude Code. Der nativ 1M Tokens große Kontext von Sonnet 5 zu $2/$10, das Hook-Governance-System mit 31 Events und der Plugin-Marktplatz decken die Fälle ab, auf die Solo-Entwickler täglich stoßen (Refactorings großer Codebasen, Sitzungskontinuität, Automatisierung beim Speichern). Pro für $20/Monat oder Max für $100-200/Monat ist berechenbar und großzügig.

Ziehen Sie Codex CLI hinzu, wenn: Sie für ein einmaliges Review von nicht vertrauenswürdigem Code Sandboxing auf Kernel-Ebene brauchen oder wenn ChatGPT Pro/Plus Ihre KI-Ausgaben bereits abdeckt und Claude zusätzlich redundant wirkt. Beide Werkzeuge existieren sauber nebeneinander; CLAUDE.md und AGENTS.md liegen einträchtig im selben Verzeichnis.

Teamleitung in einer Engineering-Organisation mit 10 bis 50 Personen

Standard: Claude Code. Programmierbare Hooks (Linting-Gates, Sicherheitsscans, Sperren für verbotene Befehle) kodieren Teamstandards deterministisch, statt darauf zu hoffen, dass das Modell den Prompt-Anweisungen folgt. Über Managed Settings legt die Leitung organisationsweite Richtlinien fest, die einzelne Entwickler nicht überschreiben können. Die CLI claude agents und die Agent-Teams-Primitive entsprechen genau den Mustern, die Teams für Review-Workflows tatsächlich verwenden.

Ziehen Sie Codex CLI hinzu, wenn: sicherheitskritische Reviews harte Isolation auf Kernel-Ebene erfordern (etwa beim Prüfen von Code externer Auftragnehmer oder von Open-Source-PRs unbekannter Autoren) oder wenn sich das Team über Azure OpenAI / Microsoft Foundry ohnehin auf das Werkzeug-Ökosystem von OpenAI festgelegt hat. Betreiben Sie es als spezialisiertes Review-Werkzeug, nicht als tägliches Arbeitspferd.

Sicherheitsorientierte Prüfer oder Red-Team-Forscher

Standard: Codex CLI (für gegnerische Eingaben) + Claude Code (für kontrollierte Ausführung). Die Kernel-Sandbox von Codex verweigert über macOS Seatbelt bzw. Linux Landlock+seccomp Systemaufrufe unterhalb der Anwendungsebene, sodass ein feindseliger Agent Bereiche des Dateisystems, die Sie nicht freigegeben haben, buchstäblich nicht anfassen kann. Die Hooks von Claude Code laufen auf Anwendungsebene, doch gesandboxtes Bash hat seit Anfang 2026 einen Boden auf Betriebssystemebene (Seatbelt/bubblewrap) darunter eingezogen, und die strictAllowlist aus v2.1.219 hat die Netzwerkrichtlinie zusätzlich gehärtet. Nehmen Sie das Werkzeug, das zur Bedrohung passt.

Ziehen Sie Claude Code hinzu, wenn: Sie programmierbare Aktionen nach dem Review wünschen (Triage-Hooks, Audit-Logging, automatisch erzeugte Berichte). Der typische Ablauf: Codex prüft unter Sandbox-Beschränkung, Claude Code übernimmt Triage und Durchsetzung der Richtlinien.

Entwickler in China bzw. auf dem chinesischen Festland

Beide Werkzeuge funktionieren, doch Konnektivität und Kosten prägen die Wahl stärker als Funktionen. Springen Sie zu Zugang zu Codex und Claude Code aus China, bevor Sie sich festlegen.

Die zentrale Architekturtrennung

Der tiefste Unterschied zwischen Codex und Claude Code liegt darin, wo Governance stattfindet. Codex setzt Sicherheit auf der Kernel-Ebene durch, über Seatbelt unter macOS sowie Landlock und seccomp unter Linux¹. Das Betriebssystem beschränkt Dateizugriffe, Netzwerkaufrufe und das Starten von Prozessen, bevor diese Operationen die Anwendung erreichen. Das Modell kann diese Beschränkungen nicht umgehen, weil das Betriebssystem den Systemaufruf vor seiner Ausführung verweigert.

Claude Code setzt Sicherheit auf der Anwendungsebene durch, und zwar über Hooks: Programme, die Aktionen an 31 Punkten des Lebenszyklus abfangen (Stand August 2026)². Ein PreToolUse-Hook auf Bash kann jeden Befehl inspizieren, gegen beliebige Logik prüfen und mit Exit-Code 2 blockieren. Das Hook-System liefert programmierbare Governance: Geschäftsregeln kodieren, Linter ausführen, nach Zugangsdaten suchen. Der Kompromiss bestand früher darin, dass die Durchsetzung auf Anwendungsebene sich eine Prozessgrenze mit dem Agenten teilt – doch diese Linie ist von beiden Seiten verschwommen. Claude Code führt gesandboxtes Bash seit dem Sandboxing-Release vom Januar 2026 auf Primitiven des Betriebssystems aus (Seatbelt unter macOS, bubblewrap unter Linux), und v2.1.219 hat die Einstellung sandbox.network.strictAllowlist ergänzt, die nicht freigegebene Hosts rundweg ablehnt. Und Codex hat in v0.124.0 ein stabiles Hook-System bekommen: fünf Events (SessionStart, UserPromptSubmit, AfterToolUse, AfterAgent, Stop), konfiguriert als [[hooks]]-Blöcke in config.toml – allerdings ohne Pre-Tool-Event, sodass nichts vor einem Werkzeugaufruf ausgelöst wird, wie es PreToolUse bei Claude tut.

Jede Sicherheitsarchitektur tauscht Ausdruckskraft gegen die Stärke der Grenze. Diese beiden Werkzeuge sind an entgegengesetzten Enden dieses Spektrums gestartet und haben sich jeweils zur Mitte hin bewegt, doch der Schwerpunkt bleibt bewusst gesetzt. Kernel-Sandboxing ergibt Sinn, wenn das Bedrohungsmodell einen potenziell feindseligen Agenten einschließt (Prüfen von Schadcode, Ausführen nicht vertrauenswürdiger Skripte). Hooks auf Anwendungsebene ergeben Sinn, wenn das Bedrohungsmodell ein selbstsicherer, aber wohlmeinender Agent ist (Ihr eigener Code, Ihr eigenes Team, Ihre eigenen Konventionen). Die meisten Entwickler brauchen zu unterschiedlichen Zeiten beide Bedrohungsmodelle.

Konfigurationsphilosophie

Codex nutzt TOML für die Konfiguration, Claude Code nutzt JSON. Der Formatunterschied ist kosmetisch. Der Unterschied in der Philosophie ist es nicht.

Codex organisiert die Konfiguration rund um Profile, also benannte Voreinstellungen, zwischen denen Sie mit --profile explizit wechseln. Ein Profil careful setzt approval_policy = "untrusted" und sandboxt aggressiv⁹. Ein Profil deep-review wechselt zu einem leistungsfähigeren Modell. Sie wissen immer, welche Konfiguration aktiv ist, weil Sie sie namentlich ausgewählt haben. Die Anweisungsschicht nutzt AGENTS.md, einen offenen Standard unter der Agentic AI Foundation der Linux Foundation³, lesbar für Codex, Cursor, Copilot, Amp, Devin Desktop und Gemini CLI.

Claude Code organisiert die Konfiguration rund um eine geschichtete Hierarchie: fünf Ebenen, die von Managed Settings (höchste Priorität) über die Kommandozeile, das lokale Projekt und das geteilte Projekt bis zu den Benutzervorgaben durchgereicht werden. CLAUDE.md-Dateien wirken auf Benutzer-, Projekt- und lokaler Ebene. Verzeichnisse für Skills, Hooks und Rules fügen weitere Ebenen hinzu. Die zum Kontext passende Konfiguration greift automatisch, doch die aktive Konfiguration ist aus keiner einzelnen Datei ersichtlich. Sie rekonstruieren sie, indem Sie die Hierarchie lesen.

Profile begünstigen Explizitheit und Prüfbarkeit. Die Frage „Welche Konfiguration war aktiv?” beantworten Sie, indem Sie nachsehen, welches --profile-Flag übergeben wurde. Die geschichtete Hierarchie begünstigt Automatisierung und Kontextsensitivität. Der passende Kontext greift automatisch, doch die Frage „Welche Konfiguration ist aktiv?” erfordert das Lesen von bis zu fünf Ebenen und das Verständnis ihrer Merge-Reihenfolge. Der Kompromiss ist real: Mich hat gelegentlich ein Override in einer CLAUDE.md auf Benutzerebene überrascht, das einer Anweisung auf Projektebene widersprach – mit expliziten Profilen wäre das nicht passiert.

Sicherheitsmodelle im Vergleich

Das Muster: Codex bietet stärkere Grenzen bei gröberer Kontrolle. Claude Code bietet schwächere Grenzen bei feinerer Kontrolle¹¹. Die richtige Wahl hängt von Ihrem Bedrohungsmodell ab. Nicht vertrauenswürdigen externen Code prüfen? Kernel-Sandboxing. Organisationsweite Coding-Standards auf vertrauenswürdigem Code durchsetzen? Programmierbare Hooks.

Kontext und Modelle

Update, 3. September 2026. Zwei Korrekturen und eine Ergänzung zu den folgenden Absätzen, die im Wortlaut vom 11. August erhalten bleiben, damit der Verlauf sichtbar ist.

Erstens der Codex-Standard. Die Codex-Modellseite von OpenAI nannte bis zum 10. August gpt-5.6-sol als Power-Standardeinstellung; „der empfohlene Standard ist GPT-5.5” war also bereits überholt, als dieser Beitrag am 11. August aktualisiert wurde. GPT-5.5 ist das Flaggschiff, das GPT-5.6 Sol abgelöst hat. Stand 3. September nennt dieselbe Seite kein Standardmodell mehr: „Beginnen Sie mit der Power-Standardeinstellung, die für Ihr Konto verfügbar ist”, und zum Astra-Rollout für berechtigte Pro-, Business- und Enterprise-Konten heißt es, er „aktualisiert die Power-Optionen auf Terra Light, Sol Light, Sol Medium, Astra Light, Astra Medium und Astra Extra High”. Auch die unten beschriebene Kontext-Asymmetrie im Werkzeug hat sich verschoben. Das Standardfenster der GPT-5.6-Familie innerhalb von Codex beträgt 272.000 Tokens (die Release Note zu v0.144.6 hat die Zahl korrigiert), und seit v0.149.0 vom 20. August kann die Einstellung model_context_window Sol, Terra und Luna auf 872.000 anheben, was weiterhin unter dem 1M-Fenster von Claude Code bleibt. Der Modellkatalog in Codex 0.153.1 führt zudem GPT-5.5 mit 272.000 in Codex, nicht mit den unten genannten 400K.¹⁹

Zweitens hängt der Standard von Claude Code vom Tarif ab, es ist nicht ein einziges Modell. Die Dokumentation von Anthropic zur Modellkonfiguration führt auf: „Max, Team Premium, Enterprise und Anthropic API: nutzen standardmäßig Opus 5” sowie „Pro und Team Standard: nutzen standardmäßig Sonnet 5”. Die $2/$10 pro MTok für Sonnet 5, unten als Einführungspreis bis zum 31. August beschrieben, sind nun der Standardpreis; die geplante Erhöhung ist ausgeblieben.²⁰

Drittens das Modell, das den Vergleich verändert. OpenAI hat GPT-6 Astra am 3. September veröffentlicht, zu $10 pro Million Eingabe-Tokens, $1 gecacht, $50 Ausgabe, mit einem Kontextfenster von 1.050.000 Tokens und maximal 128.000 Ausgabe-Tokens. Das lange Fenster kostet Aufschlag: „Prompts mit mehr als 272K Eingabe-Tokens werden mit dem 2-fachen Eingabe- und Cache-Tarif sowie dem 1,5-fachen Ausgabetarif für die gesamte Anfrage abgerechnet.” Zur Verfügbarkeit heißt es wörtlich: „GPT-6 Astra wird ab heute für Unternehmen in unserem Trusted Access Program ausgerollt; der Zugang über die API und über unsere Tarife Plus, Pro, Business und Enterprise folgt in den kommenden Tagen.” Codex CLI 0.153.1 hat am selben Tag „Unterstützung dafür ergänzt, GPT-6-Astra über die API zu konfigurieren, ohne das Standardmodell zu ändern oder es in der Modellauswahl anzuzeigen”. Das Gegenstück von Anthropic an der Spitze der allgemein verfügbaren Reihe ist Claude Fable 5.1 (1. September): $10/$50 pro MTok mit Cache-Lesen zu $0.25, 1M Kontext. Beide Anbieter führen nun ein Flaggschiff zu $10/$50 zum Basistarif oberhalb ihrer Coding-Standardmodelle. Am 3. September stand der Zugang außerhalb des Trusted Access Program laut der Astra-Modellseite noch aus, und laut der Codex-Modellseite erreichten die Astra-Power-Optionen nur berechtigte Konten; keiner der beiden Anbieter macht sein Flaggschiff zum Standard des Coding-Werkzeugs.¹⁹²⁰

Stand August 2026 lautet der empfohlene Standard von Codex CLI GPT-5.5 (erschienen am 23. April 2026)⁴: 400K Kontext in Codex, 1M in der API, $5/$30 pro MTok und 82,7 % auf Terminal-Bench 2.0 – zum Erscheinen der Stand der Technik unter den öffentlich verfügbaren Modellen. GPT-5.4, das vorherige Flaggschiff, bleibt über die API verfügbar, samt seinem experimentellen Long-Context-Modus mit 1.05M (Abrechnung mit 2x Eingabe / 1,5x Ausgabe oberhalb von 272K Eingabe)⁴. Codex v0.145.0 (21. Juli 2026) hat die gebündelten GPT-5.4-Auswahlen jedoch auf die Varianten GPT-5.6 Terra und Luna migriert (je 272K Kontext). Der Snapshot gpt-5.2-codex wurde am 23. Juli 2026 abgeschaltet – Skripte, die darauf festgenagelt sind, scheitern nun, und OpenAI empfiehlt als Ersatz GPT-5.6 Sol.⁴

Claude Code nutzt seit v2.1.197 (30. Juni 2026) standardmäßig Sonnet 5: nativ 1M Tokens Kontext, maximal 128K Ausgabe, $3/$15 pro MTok mit einem Einführungspreis von $2/$10 bis zum 31. August 2026⁵. Der Alias opus verweist seit v2.1.219 (24. Juli 2026) auf Opus 5: 1M Kontext, maximal 128K Ausgabe, $5/$25 pro MTok, von Anthropic als Leistungssprung zum gleichen Preis gegenüber Opus 4.8 positioniert. Standardmodelle und Kontextgrenzen beider Anbieter ändern sich zwischen Releases; prüfen Sie die jeweilige Anbieterseite auf aktuelle Werte.

Beide Werkzeuge kommen inzwischen gut mit großem Kontext zurecht, mit einer Asymmetrie: Das Standardmodell von Claude Code ist innerhalb des Werkzeugs nativ 1M groß, ohne Aufschlag für langen Kontext, während Codex GPT-5.5 in Codex bei 400K deckelt (das volle 1M-Fenster gibt es nur über die API). Für das Einlesen eines Monorepos in einem einzigen Fenster hat Claude Code derzeit im Werkzeug die Nase vorn; für die meisten Projekte zählt allerdings die Qualität des Retrievals (wie gut jedes Werkzeug relevanten Code findet) mehr als die reine Fenstergröße.

Ende des Textes vom 11. August; das Update vom 3. September weiter oben ersetzt ihn.

Öffentliche Benchmarks bewegen sich schneller als jeder Vergleichsbeitrag. Im Schnappschuss vom April 2026 führte Opus 4.7 bei SWE-bench Verified (87,6 %) und SWE-bench Pro (64,3 %), während GPT-5.4 (75,1 %) und GPT-5.3-Codex (77,3 %) bei Terminal-Bench 2.0 vorn lagen¹². GPT-5.5 hielt Terminal-Bench 2.0 bei seinem Erscheinen am 23. April mit 82,7 %, damals der Stand der Technik unter den öffentlich verfügbaren Modellen⁴. Beide Anbieter haben seither neuere Modelle veröffentlicht: OpenAI mit GPT-5.6 Sol und GPT-6 Astra, Anthropic mit Opus 4.8 (Mai) und Opus 5 (Juli) als Leistungssprünge zum gleichen Preis sowie Fable 5.1 (1. September) darüber zu $10/$50.¹⁹²⁰ Für diese späteren Modelle enthält dieser Beitrag keine Benchmark-Tabelle. Behandeln Sie jede Zahl hier als Momentaufnahme und prüfen Sie die Anbieterseiten, bevor Sie sich festlegen. In meinen Blindevaluationen mit einer früheren Opus-Version schnitt es bei Review- und Sicherheitsaufgaben selbst mit kleinerem Kontext besser ab, und dasselbe Muster gilt bei 1M.

Beide Werkzeuge unterstützen Modell-Routing. Codex wählt Modelle je Profil⁹. Claude Code nutzt je nach Tarif standardmäßig Opus 5 oder Sonnet 5, mit dem Alias opus auf Opus 5, und jeder Aufruf lässt sich über --model oder eine Konfiguration auf Einstellungsebene überschreiben.

Preise im Detail

Die Preisgestaltung zerfällt in drei Muster: Abrechnung pro Token über die API, Abos, die die Nutzung der agentischen CLI enthalten, und Abrechnung über Cloud-Anbieter via AWS / GCP / Azure. Der günstigste Weg hängt vom täglichen Token-Volumen ab, nicht vom Listenpreis.

Claude-Code-Preise (Stand 3. September 2026, geprüft)

Pro Token (Anthropic API):¹³

Die $2/$10 für Sonnet 5 waren zum Start ein Einführungspreis und sind nun der Standardpreis; die für den 1. September geplante Erhöhung wurde gestrichen. Opus 4.8, 4.7 und 4.6 bleiben als Legacy-Modelle zum selben Tarif von $5/$25 verfügbar. Kein Aufschlag für langen Kontext: Die 1M-Token-Fenster von Opus 5 und Sonnet 5 werden zum Standardtarif abgerechnet. Die Batch-API gewährt 50 % Rabatt auf Eingabe und Ausgabe.¹³

Abos, die Claude Code enthalten:⁸

Die Preise der Cloud-Anbieter folgen den Listentarifen von AWS Bedrock / Google Vertex AI / Microsoft Foundry, die eng an der direkten Anthropic-API liegen, aber Unterschiede bei regionaler Verfügbarkeit und Datenresidenz aufweisen.

Codex-CLI-Preise (Stand 4. September 2026, geprüft)

Pro Token (OpenAI API):¹⁴

Die Preise ändern sich, während OpenAI Modellvarianten austauscht. Die Zeilen zu GPT-5.6 Sol, GPT-6 Astra und GPT-5.5 wurden am 4. September 2026 geprüft; die älteren Zeilen geben den Stand vom 8. August 2026 wieder. GPT-5.6 Sol wird oberhalb von 272K Eingabe mit $8/$30 für die gesamte Anfrage abgerechnet.

Der Snapshot gpt-5.2-codex wurde laut der Deprecations-Tabelle von OpenAI am 23. Juli 2026 abgeschaltet; OpenAI empfiehlt als Ersatz GPT-5.6 Sol.⁴ Long-Context-Prompts auf GPT-5.4 (über 272K Eingabe-Tokens) werden für diese Sitzung mit 2x Eingabe und 1,5x Ausgabe abgerechnet, und zwar über die Stufen Standard, Batch und Flex hinweg.⁴

Abos, die Codex enthalten:

ChatGPT Plus ($20/Monat), Pro (ab $100/Monat für die 5x-Stufe, $200/Monat für 20x) und Business (Codex-only-Plätze nach Verbrauch oder reguläre ChatGPT-Business-Plätze mit Nutzungsgrenzen für Codex) enthalten allesamt Nutzung aus der Codex-Familie mit tarifspezifischen Obergrenzen. GPT-5.5, GPT-5.4 und GPT-5.3-Codex sind über die OpenAI-API verfügbar, mit veröffentlichten Preisen pro Token und Rate Limits für die unterstützten API-Stufen (die kostenlose Stufe wird nicht unterstützt).¹⁴ Teams, die nur die API nutzen, sparen sich das Abo vollständig; greifen Sie zu einem ChatGPT-Abo, wenn die enthaltene Codex-Nutzung plus die breitere Chat-Oberfläche für das Team den besseren Gegenwert darstellt.

Was der 1M-Kontext von Opus 5 tatsächlich kostet

Die praktische Frage lautet: „Wenn ich Opus 5 eine Codebasis mit 1M Tokens vorlege, wie hoch ist die Rechnung?”

Ein Durchlauf mit vollem Kontext und einer Antwort von 10K Tokens: - Eingabe: 1.000.000 Tokens × $5.00/MTok = $5.00 - Ausgabe: 10.000 Tokens × $25.00/MTok = $0.25 - Summe (ohne Caching): $5.25 pro Durchlauf

Mit 5-Minuten-Prompt-Caching auf der Codebasis mit 1M Tokens (angenommen ein einmaliges Cache-Schreiben und wiederholtes Lesen für Rückfragen): - Erstes Schreiben: 1.000.000 × $6.25/MTok = $6.25 (einmalig) - Jedes weitere Lesen innerhalb von 5 Minuten: 1.000.000 × $0.50/MTok + 10.000 Ausgabe × $25/MTok = $0.75 - Fünf Lesevorgänge in einer Sitzung: $6.25 + (5 × $0.75) = $10.00 für fünf Durchläufe mit vollem Kontext

Beispiel in CNY mit einem Referenzkurs von 1 USD ≈ 6,82 CNY (der PBOC-Mittelkurs lag um April 2026 im Bereich 6,82 bis 6,90): rund ¥68,20 für fünf Opus-5-Sitzungen mit vollem Kontext auf einer Codebasis mit 1M Tokens. Wechselkurse bewegen sich; prüfen Sie den aktuellen Kurs, bevor Sie ihn in einer Beschaffung zitieren. Für die Budgetierung zählt die Rechnung, nicht die exakte CNY-Zahl.

Dieselbe Rechnung im Long-Context-Modus von GPT-5.4 (dem vorherigen Flaggschiff – das 1.05M-Fenster von GPT-5.5 gibt es nur über die API und wird oberhalb von 272K mit 2x Eingabe und 1,5x Ausgabe abgerechnet, womit derselbe ungecachte volle 1M-Durchlauf $10.45 kostet): - Eingabe: 1.000.000 Tokens × ($2.50 Basis × Long-Context-Multiplikator 2) = $5.00 - Ausgabe: 10.000 Tokens × ($15.00 Basis × Long-Context-Multiplikator 1,5) = $0.225 - Summe (ohne Caching): $5.23 pro Durchlauf, also weniger als 1 % vom ungecachten Preis von Opus 5 bei vollem 1M-Kontext entfernt

Auf GPT-5.3-Codex (Obergrenze 272K Eingabe) bräuchten Sie mindestens vier Durchläufe, um dieselbe 1M-Codebasis einzulesen, was das Kostenprofil auf Sitzungsebene verändert. Die meisten chinesischen Entwicklerteams benötigen nicht täglich den vollen 1M-Kontext, weshalb der realistische Vergleich über typische Sitzungsgrößen läuft (50K bis 200K Tokens), bei denen beide Werkzeuge unter $1 pro Sitzung kosten.

Wann Abos günstiger sind als Abrechnung pro Token

Grobe Faustregel (kein veröffentlichtes Token-Kontingent, denn Anthropic veröffentlicht keines): Leichte interaktive Nutzung passt bequem in Pro; schwerere tägliche agentische Workflows auf Opus 5 drängen in den Bereich von Max 5x oder Max 20x; dauerhafte Workloads mit vollem Kontext ($5+ pro Sitzung) können mit aggressivem Prompt-Caching pro Token günstiger sein als in einem gedeckelten Abo. Fahren Sie eine repräsentative Woche auf Pro, sehen Sie in Ihrem Claude-Nutzungs-Dashboard nach und steigen Sie bei Bedarf eine Stufe höher, statt anhand einer Formel zu raten. Teams rechnen dasselbe pro Person durch, zuzüglich des Aufwands für Administration, Richtlinien und SSO, den die Enterprise-Stufe abfängt.

Zugang zu Codex und Claude Code aus China

Der Erstanbieter-Zugang zu den APIs von OpenAI und Anthropic wird laut den veröffentlichten Länderlisten beider Anbieter vom chinesischen Festland aus nicht offiziell unterstützt.¹⁸ Entwickler leiten mitunter über Netzwerke und Konten außerhalb des Festlands um, doch das birgt Risiken für Kontosperrung und Compliance, die Sie gegen den jeweiligen Produktivitätsgewinn abwägen müssen. Die CLI-Binaries lassen sich nach dem Herunterladen lokal installieren und ausführen; das Verhalten der Agentenschleife im Alltag ist überall gleich. Die legitimen Wege verlaufen über das Routing der Cloud-Anbieter.

Regionale Verfügbarkeit von AWS Bedrock

Die Claude-Modelle von Anthropic werden über Amazon Bedrock in bestimmten AWS-Regionen bereitgestellt. Stand April 2026 decken öffentliche Bedrock-Laufzeit-Endpunkte APAC-Regionen ab, darunter Tokio, Seoul, Singapur, Mumbai und Sydney, doch auf dem chinesischen Festland oder in Hongkong betreibt derzeit kein Bedrock-Laufzeit-Endpunkt.¹⁵ Chinesische Kunden, die über AWS routen, nutzen typischerweise Singapur oder Tokio und nehmen die entsprechende Latenz in Kauf.

Regionale Verfügbarkeit von Google Vertex AI

Google Cloud bietet generative KI-Endpunkte von Vertex AI in Regionen des asiatisch-pazifischen Raums an.¹⁶ Welche Claude-Modelle konkret verfügbar sind, unterscheidet sich je nach Region, und asia-east2 (Hongkong) bot Nutzern in Südchina historisch die geringere Latenz. Prüfen Sie die Verfügbarkeit des Claude-Modells in Ihrer gewählten Vertex-Region, bevor Sie sich festlegen; die Abdeckung wächst mit der Zeit, ist im APAC-Raum aber nicht einheitlich.

Microsoft Foundry

Claude ist über Microsoft Foundry im globalen Standard-Deployment von Azure verfügbar und setzt in der Regel berechtigte Enterprise- bzw. MCA-E-Abonnements voraus. Für Azure China (betrieben von 21Vianet) ist Claude nicht öffentlich als verfügbar dokumentiert; dabei handelt es sich um eine separate souveräne Cloud mit eigenem Servicekatalog. Chinesische Kunden, die Foundry nutzen, routen über die globale Azure-Infrastruktur statt über Azure China.¹⁷

OpenAI Codex aus China

Die Liste der unterstützten Länder von OpenAI führt das chinesische Festland nicht auf; OpenAI warnt, dass Zugriffe aus nicht unterstützten Regionen zur Sperrung oder Kündigung des Kontos führen können.¹⁸ Azure OpenAI ist in bestimmten globalen Regionen verfügbar (nicht in Azure China), und chinesische Unternehmen, die einen regelkonformen Zugang anstreben, routen typischerweise über Azure OpenAI in einer zulässigen Region mit passenden Vertragsbedingungen, statt die direkte OpenAI-API zu nutzen.

Modellalternativen chinesischer Anbieter

DeepSeek, Qwen (Alibaba) und Kimi (Moonshot) sind Alternativen auf Modellebene, die chinesische Teams aus Kosten- und Latenzgründen prüfen. Es handelt sich um Modelle, nicht um agentische CLIs. Sie mit Claude Code zu koppeln, erfordert einen zur Anthropic-API kompatiblen Adapter oder ein Gateway (Claude Code erwartet die Anfrage-/Antwortform von Anthropic; ANTHROPIC_BASE_URL verweist auf Anthropic-kompatible Endpunkte, nicht auf OpenAI-kompatible). Codex unterstützt Modell-Routing auf Profilebene, erwartet aber ebenso OpenAI-kompatible Antworten. Keines der beiden Werkzeuge bietet erstklassige Unterstützung für DeepSeek/Qwen/Kimi; der Weg führt über eine Adapterschicht, die zwischen der API-Form des Anbieters und den Erwartungen der CLI übersetzt. Fragen nach Beschaffung, Latenz und Datenresidenz beantworten diese Modelle gut. Fragen nach der Korrektheit der Agentenschleife und der Reife des Tool-Callings beantworten weiterhin am besten die Frontier-Modelle von Claude und GPT, auf die diese CLIs abgestimmt sind.

Multi-Agent-Fähigkeiten

Codex bietet Aufgabendelegation in die Cloud über codex cloud exec⁶, eine Oberfläche, die OpenAI weiterhin als experimentell kennzeichnet. Sie beschreiben eine Aufgabe, Codex startet eine Cloud-Umgebung, lässt den Agenten auf Ihrer Codebasis laufen und liefert ein Diff zurück. Sie verfolgen die Überlegungen des Agenten nicht in Echtzeit; Sie definieren die Aufgabe vorab und holen die Ergebnisse später ab. Cloud-Delegation passt naturgemäß zu CI/CD-Pipelines und Stapelverarbeitung. Für lokale Parallelität hat sich die Multi-Agent-Erfahrung v2 in v0.145.0 (21. Juli 2026) als aktivierbare Option stabilisiert, mit konfigurierbaren Subagent-Modellen, Reasoning-Stufen und Nebenläufigkeit⁷.

Claude Code bietet explizites Starten von Subagenten über das Task-Werkzeug¹⁰, und diese Oberfläche ist im Lauf von 2026 deutlich gewachsen: Subagenten laufen seit v2.1.198 standardmäßig im Hintergrund, starten verschachtelte Subagenten bis Tiefe 3 und laufen seit v2.1.219 standardmäßig bis zu 20-fach nebenläufig, während dynamische Workflows (/workflows, ab v2.1.154) größere Flotten orchestrieren. Der übergeordnete Agent startet Subagenten mit konkreten Aufgaben und isoliertem Kontext, koordiniert Ergebnisse und fasst Ausgaben zusammen. Das Starten von Subagenten ermöglicht interaktive Orchestrierung: Sie sehen die Überlegungen und können eingreifen. Kombiniert mit Deliberationsmustern, bei denen mehrere Agenten die Ausgaben der jeweils anderen kritisieren, findet interaktive Orchestrierung Probleme, die Fire-and-Forget-Modelle übersehen.

Cloud-Aufgaben passen zu Workflows, in denen Sie die Aufgabe vorab definieren und die Ergebnisse später wollen. Die Koordination von Subagenten passt zu Workflows, in denen sich die Aufgabe über Reasoning entwickelt und eine Synthese in Echtzeit verlangt.

Das Vertrauensspektrum

Bevor Sie die Entscheidungsmatrix betrachten, überlegen Sie, wo Ihre Aufgabe im Vertrauensspektrum liegt. Jede agentische Coding-Aufgabe enthält eine implizite Vertrauensentscheidung: Wie sehr trauen Sie dem Urteil des Agenten bei genau dieser Aufgabe?

Geringes Vertrauen (nehmen Sie Codex): Sie prüfen Code, den Sie nicht geschrieben haben, führen Skripte aus externen Quellen aus oder delegieren Arbeit an eine Cloud-Umgebung, die Sie nicht in Echtzeit beobachten können. Der Agent könnte auf gegnerische Eingaben stoßen. Sie wollen, dass das Betriebssystem die Grenzen durchsetzt, unabhängig davon, wie das Modell entscheidet.

Mittleres Vertrauen (beide möglich): Sie arbeiten an Ihrer eigenen Codebasis mit bekannten Mustern. Der Agent macht vielleicht Fehler, aber es sind Fehler aus Selbstüberschätzung, nicht aus böser Absicht. Sie wollen Änderungen prüfen, bevor sie landen, brauchen aber keine Isolation auf Kernel-Ebene.

Hohes Vertrauen (nehmen Sie Claude Code): Sie haben Leitplanken über Hooks, CLAUDE.md-Anweisungen und freigegebene Berechtigungen aufgebaut. Der Agent arbeitet in einer kontrollierten Umgebung, die Sie entworfen haben. Sie vertrauen der Governance-Schicht so weit, dass Sie Aktionen selektiv freigeben, statt sie pauschal zu beschränken.

Die meisten Entwickler bewegen sich die meiste Zeit bei mittlerem Vertrauen, und genau deshalb funktioniert der Workflow mit beiden Werkzeugen: Codex übernimmt die Aufgaben mit geringem Vertrauen, bei denen seine Sandbox glänzt, und Claude Code übernimmt die Aufgaben mit mittlerem bis hohem Vertrauen, bei denen programmierbare Hooks mehr Nutzen bringen als Beschränkungen im Kernel.

Entscheidungsrahmen

Eine konkrete Entscheidungsmatrix anhand spezifischer Anforderungen:

Kein einzelnes Werkzeug dominiert diese Matrix. Das zugrunde liegende Muster ist einfacher, als zehn Zeilen vermuten lassen: Codex glänzt, wenn Sie harte Grenzen brauchen, und Claude Code glänzt, wenn Sie programmierbare Logik brauchen. Wenn Sie nicht vertrauenswürdigen Code ausführen, externe Beiträge prüfen oder an eine Cloud-Umgebung delegieren, die Sie nicht beobachten können, zählen harte Grenzen mehr. Wenn Sie Teamkonventionen durchsetzen, mehrstufige Workflows orchestrieren oder Leitplanken bauen, die Geschäftsregeln kodieren, zählt programmierbare Logik mehr. Wenn mehr als drei Ihrer Anforderungen auf ein Werkzeug zeigen, fangen Sie dort an. Fällt die Aufteilung gleichmäßig aus, ziehen Sie den Workflow mit beiden Werkzeugen in Betracht.

Meine Empfehlung

Nutzen Sie beide. Ich habe identische Code-Review-Aufgaben über 12 Aufgabenkategorien hinweg durch beide Werkzeuge geschickt (dokumentiert in meiner Blindevaluationsreihe) und festgestellt, dass keines der Werkzeuge allein alles gefunden hat. Ein konkretes Beispiel: Bei einem Review einer FastAPI-Authentifizierung markierte Opus einen zeitbasierten Seitenkanal in der Funktion zum Passwortvergleich. Der Vergleich verwendete Pythons Operator == statt hmac.compare_digest() und schuf damit ein Timing-Orakel¹¹. Codex übersah dieses Problem völlig. In derselben Codebasis fand die Sandbox von Codex einen SSRF-Vektor in einem Endpunkt zum Abrufen von URLs, über den vom Benutzer gelieferte URLs interne Dienste erreichen konnten. Opus hatte den Endpunkt freigegeben, weil die Eingabevalidierung auf Anwendungsebene korrekt aussah, doch die Kernel-Sandbox markierte die ausgehende Netzwerkanfrage an einen internen IP-Bereich. Unterschiedliche Modelle, auf unterschiedlichen Daten trainiert, finden unterschiedliche Schwachstellenklassen. Beide laufen zu lassen kostet pro Review ungefähr das Doppelte, findet bei sicherheitskritischem Code aber spürbar mehr Probleme.

Mein Arbeitsalltag teilt sich nach Aufgabentyp auf:

• Claude Code übernimmt Feature-Implementierung, Code-Reviews und Refactorings über mehrere Dateien. Hooks erzwingen Formatierung, blockieren gefährliche Befehle und führen nach jeder Änderung Tests aus. Das interaktive Subagent-Modell funktioniert gut bei Aufgaben, die sich über Reasoning entwickeln.
• Codex übernimmt Reviews von nicht vertrauenswürdigem Code mit --sandbox read-only (ich prüfe externe PRs und Abhängigkeiten in der Kernel-Sandbox), in die Cloud delegierte Stapelaufgaben über codex cloud exec sowie Zweitmeinungen zur Architektur, bei denen die Perspektive eines anderen Modells blinde Flecken aufdeckt.

CLAUDE.md und AGENTS.md existieren konfliktfrei im selben Repository nebeneinander. Der Pflegeaufwand bleibt gering, weil beide Dateien den größten Teil ihres Inhalts teilen. Ich pflege einen gemeinsamen Abschnitt mit Konventionen und kopiere ihn in beide.

Wann keines der beiden Werkzeuge taugt. Weder Codex noch Claude Code ist die richtige Wahl, wenn Sie garantierten Determinismus brauchen. Beide Werkzeuge sind probabilistisch: Derselbe Prompt kann über mehrere Läufe hinweg unterschiedliche Ausgaben erzeugen. Wenn Ihr Workflow exakte Reproduzierbarkeit verlangt (etwa beim Erzeugen von Konfigurationsdateien, die byteweise einem Schema entsprechen müssen), nehmen Sie stattdessen eine Template-Engine oder einen Codegenerator. Agentische Werkzeuge sind am stärksten, wenn eine Aufgabe Urteilsvermögen verlangt, und am schwächsten, wenn sie Präzision ohne Urteilsvermögen verlangt.

Den vollständigen Vergleich mit Methodik und Ergebnissen der Blindevaluation über 12 Aufgabenkategorien finden Sie unter Claude Code vs Codex: When to Use Which. Für den individuellen Einstieg siehe den Claude-Code-Leitfaden oder den Codex-Leitfaden. Eine praktische Einführung in das Hook-System, das die Governance-Schicht von Claude Code trägt, bietet das Hooks-Tutorial.

Quellen

FAQ

Kann ich Codex und Claude Code im selben Projekt verwenden?

Ja. CLAUDE.md und AGENTS.md sind getrennte Dateien, die jedes Werkzeug unabhängig liest. Keines der Werkzeuge parst die Anweisungsdatei des anderen. Die Konfigurationsdateien kollidieren nicht. Ich pflege beide in jedem aktiven Projekt. Zu beachten ist einzig, gemeinsame Inhalte zwischen den Anweisungsdateien synchron zu halten, was angesichts der ähnlichen Formate nur Minuten dauert.

Was ist im täglichen Einsatz günstiger?

Siehe den vollständigen Abschnitt Preise im Detail weiter oben. Kurzfassung: Claude Code hat eine Abrechnung pro Token über die Anthropic-API (Sonnet 5 zu $2/$10, zum Start ein Einführungspreis und nun der Standardpreis; Opus 5 zu $5/$25) plus eine Abo-Leiter (Pro $20, Max 5x $100, Max 20x $200, Team $30/Benutzer, Team Premium $150/Benutzer). Codex CLI hat eine Abrechnung pro Token über die OpenAI-API (GPT-5.6 Sol zu $4 Eingabe / $20 Ausgabe pro MTok, ein Aktionstarif mindestens bis zum 21. November 2026; GPT-5.5 zu $5 / $30) und die Familie GPT-5.4 / GPT-5.3-Codex, dazu die in ChatGPT Plus/Pro enthaltenen Kontingente. Die Token-Effizienz schwankt je nach Aufgabentyp; bei budgetsensibler Arbeit schicken Sie eine repräsentative Aufgabe durch beide Werkzeuge und vergleichen die tatsächlichen Kosten. Die Preise pro Token unterscheiden sich zwischen den Anbietern, weshalb sich reine Token-Zahlen nicht direkt in Kosten übersetzen lassen.

Welches Werkzeug kommt mit großen Codebasen besser zurecht?

Beide kommen mit großen Repositories gut zurecht. Die Standardmodelle von Claude Code (je nach Tarif Opus 5 oder Sonnet 5) sind nativ 1M Tokens groß, zum Standardpreis. Die Standardfamilie GPT-5.6 von Codex läuft innerhalb von Codex standardmäßig mit 272K und mit model_context_window mit 872K, und die 1.05M-Fenster (GPT-5.6 Sol, GPT-6 Astra und GPT-5.5 gleichermaßen, jeweils abgerechnet mit 2x Eingabe und 1,5x Ausgabe, sobald die Eingabe 272K übersteigt) liegen auf API-Seite; siehe das Update vom 3. September im Abschnitt „Kontext und Modelle”. Keines der Werkzeuge liest Ihre gesamte Codebasis auf einmal; beide stützen sich im Alltag auf Retrieval (Codebase-Suche in Claude Code, geschichtetes Vorladen von Kontext über CLAUDE.md; suchgetriebenes Auffinden von Dateien in Codex). Die reine Fenstergröße zählt vor allem dann, wenn Sie in einem einzigen Zug über Beziehungen zwischen vielen Dateien nachdenken, und dort hat Claude Code derzeit das größere Fenster im Werkzeug.

Läuft Codex CLI lokal oder in der Cloud?

Beides, aber nicht im selben Modus. Codex CLI läuft standardmäßig lokal, wie jedes andere Terminal-Werkzeug.¹ Die Cloud-Delegation ist ein separater Ablauf über codex cloud exec oder Codex Cloud, der Ihre Aufgabe in einem Container auf einer von OpenAI gehosteten Infrastruktur ausführt und ein Diff zurückliefert. Codex Cloud ist üblicherweise gemeint, wenn Leute von der „Codex-Sandbox” sprechen; das lokale Sandboxing von Codex CLI ist der Seatbelt-/Landlock-Weg auf Kernel-Ebene, der im Abschnitt zu den Sicherheitsmodellen weiter oben beschrieben ist.

Kann ich vom chinesischen Festland aus auf Claude Code und Codex zugreifen?

Der Erstanbieter-Zugang zu den APIs von OpenAI und Anthropic wird vom chinesischen Festland aus nicht offiziell unterstützt. Die CLI-Binaries lassen sich lokal installieren und ausführen, doch Traffic vom chinesischen Festland an die Erstanbieter-APIs zu leiten, kann zu Kontosperrungen oder Compliance-Problemen führen. Die legitimen Wege verlaufen über Azure OpenAI (bestimmte Regionen außerhalb Chinas), AWS Bedrock (die nächstgelegenen öffentlichen APAC-Regionen, darunter Tokio, Seoul, Singapur, Mumbai und Sydney; kein Laufzeit-Endpunkt auf dem chinesischen Festland oder in Hongkong), Google Vertex AI (asia-east2 Hongkong und weitere APAC-Regionen, mit Vorbehalten zur Verfügbarkeit einzelner Modelle) sowie Microsoft Foundry auf dem globalen Azure (nicht Azure China) für Claude. Einzelheiten finden Sie weiter oben unter Zugang zu Codex und Claude Code aus China.

Wie wirken sich chinesischsprachige Kommentare oder chinesischer Code auf den Token-Verbrauch aus?

Chinesische Schriftzeichen werden anders tokenisiert als Englisch. Der Tokenizer von Claude behandelt die meisten chinesischen Zeichen als je ein Token, wodurch chinesischer Quellcode pro Zeile oft token-effizienter ist als das englische Äquivalent, pro Zeichen jedoch weniger effizient (ein Token deckt ein Zeichen ab statt ein englisches Wort aus 4 bis 6 Zeichen). Codex (GPT-Familie) verfolgt einen ähnlichen Ansatz. Praktischer Effekt: Erwarten Sie für inhaltlich gleichwertige Kommentare und Docstrings in beiden Sprachen grob vergleichbare Token-Zahlen, wobei das Verhalten pro Token eher von der Codestruktur als vom Anteil natürlicher Sprache bestimmt wird.

Kann ich Claude Code oder Codex CLI mit DeepSeek, Qwen oder Kimi als zugrunde liegendem Modell betreiben?

Nur über einen Adapter oder ein Gateway. Claude Code erwartet die Anfrage-/Antwortform der Anthropic-API (ANTHROPIC_BASE_URL verweist auf Anthropic-kompatible Endpunkte); Codex erwartet die Form von OpenAI. DeepSeek, Qwen und Kimi veröffentlichen jeweils eigene APIs, die übersetzt werden müssen, bevor eine Sitzung von Claude Code oder Codex CLI sie ansteuern kann. Adapterprojekte aus der Community existieren, sind aber nicht erstklassig unterstützt, und die Dialekte für Tool-Calling und Prompt-Caching unterscheiden sich zwischen den Anbietern so stark, dass mehrstufige agentische Schleifen häufig abbrechen. DeepSeek, Qwen und Kimi sind glaubwürdige Optionen für einmalige Codegenerierung über ein separates Shell-Gerüst und für Reviews einzelner Dateien zu ihren nativen Preisen. Vollständige Korrektheit der Agentenschleife und Zuverlässigkeit beim Tool-Calling liefern weiterhin die Frontier-Modelle von Claude und GPT, auf die diese CLIs abgestimmt wurden.

Worin unterscheiden sich Codex CLI und die Codex-Funktionen in ChatGPT?

Codex CLI ist das Terminal-Werkzeug unter github.com/openai/codex. „Codex” innerhalb von ChatGPT bezeichnet dieselbe Modellfamilie, dargeboten über die Web-, Desktop- und Mobil-Apps von ChatGPT mit anderen Bedienmöglichkeiten (Delegation von Cloud-Aufgaben, asynchrone Ergebnisse, Integration in den ChatGPT-Verlauf). CLI und ChatGPT teilen sich die zugrunde liegenden Modelle; Workflow und Kontextverwaltung unterscheiden sich. Lautet Ihre Frage „Welches Werkzeug soll ich auf meinem Laptop installieren?”, dann meinen Sie Codex CLI.

Brauche ich ein ChatGPT-Abo, um Codex CLI zu nutzen?

Nein, aber es hilft bei den Kosten. Codex CLI funktioniert mit einem eigenständigen OpenAI-API-Schlüssel, der pro Token abgerechnet wird. ChatGPT Plus oder Pro bündelt einen Teil der Codex-Nutzung (die aktuellen Obergrenzen finden Sie auf der ChatGPT-Aboseite).¹⁴ Für chinesische Entwickler ist die direkte API-Abrechnung über ein OpenAI-Konto in der Regel der sauberere Weg, als ein ChatGPT-Abo über Zahlungswege auf dem chinesischen Festland zu führen.

Wie viele Hooks hat Claude Code tatsächlich?

31 Lifecycle-Events laut der offiziellen Hooks-Referenz, Stand August 2026.² Die Zahl wächst stetig, und genau deshalb häufen sich veraltete Zitate: Ältere Beiträge nennen 17 oder 26, je nachdem, wann sie eingefroren wurden. Im Lauf von 2026 kamen unter anderem hinzu: PostToolUseFailure, SubagentStart, TeammateIdle, TaskCompleted, PermissionRequest, PermissionDenied, PreCompact / PostCompact, Elicitation / ElicitationResult, StopFailure, TaskCreated, CwdChanged, FileChanged, InstructionsLoaded, ConfigChange, WorktreeCreate / WorktreeRemove, Setup und zuletzt DirectoryAdded (v2.1.219, Juli 2026).

Wann erschien Opus 4.7, und wie verändert das diesen Vergleich?

Am 16. April 2026. Es war das erste allgemein verfügbare Opus-Release von Anthropic nach Glasswing, kam mit ausdrücklichen Cyber-Schutzmaßnahmen und brachte Claude Code auf 1M Tokens zum Standardpreis, samt Führung bei SWE-bench Verified mit 87,6 %. Seither hat sich die Aufstellung zweimal verschoben: Opus 4.8 (Mai 2026) und danach Opus 5 (24. Juli 2026) zum gleichen Preis von $5/$25, wobei Sonnet 5 (30. Juni, nativ 1M, $2/$10) zum Standardmodell von Claude Code für Pro und Team Standard wurde. Auf der Seite von OpenAI hat GPT-5.5 (23. April) mit 82,7 % den Stand der Technik bei Terminal-Bench 2.0 übernommen. Die Führung bei Benchmarks ist flüchtig; behandeln Sie jedes einzelne Ergebnis als Momentaufnahme. Das aktuelle Bild finden Sie im Abschnitt „Kontext und Modelle” weiter oben.