Codex CLI vs Claude Code 2026: architektura, ceny i dostęp z Chin

Zarówno Codex CLI, jak i Claude Code są narzędziami agentowymi działającymi natywnie w terminalu, a od połowy 2026 roku oba egzekwują bezpieczeństwo w dwóch warstwach: izolacji na poziomie systemu operacyjnego u podstawy i programowalnej warstwy zarządzania powyżej. Różni je dziś rozłożenie akcentów i głębokość. Codex stawia na sandbox jądra i utrzymuje niewielki system hooków; Claude Code stawia na najbogatszą w tej kategorii powierzchnię hooków, a pod nią dołożył wykonywanie poleceń w sandboksie na poziomie systemu operacyjnego. Ta różnica akcentów wciąż przekłada się na to, jak każde z narzędzi obsługuje konfigurację, uprawnienia, przepływy wieloagentowe i zarządzanie na poziomie zespołu. Poniższe porównanie opisuje te różnice za pomocą konkretnych kryteriów decyzyjnych i rozwija obszar inżynierii AI, który buduję w tym serwisie.

Podstawowym narzędziem jest dla mnie Claude Code. Deklaruję tę stronniczość na wstępie. Obserwacje pochodzą z codziennej pracy z obydwoma narzędziami przy zadaniach produkcyjnych, z ocen w ciemno oraz z przepływów łączących oba narzędzia.

TL;DR: Codex egzekwuje bezpieczeństwo przede wszystkim w warstwie jądra systemu operacyjnego (Seatbelt, Landlock, seccomp)¹, a na wierzchu ma niewielki system pięciu zdarzeń hooków (stabilny od CLI v0.124.0). Claude Code stawia na zarządzanie w warstwie aplikacji — 31 programowalnych zdarzeń hooków według stanu na sierpień 2026² — i wspiera je Bashem uruchamianym w sandboksie na poziomie systemu operacyjnego (Seatbelt/bubblewrap), a od wersji v2.1.219 także ustawieniem strictAllowlist, które wprost odrzuca hosty spoza listy. Oba narzędzia pracują na dużym kontekście: Claude Code domyślnie korzysta z Opus 5 na kontach Max, Team Premium, Enterprise i Anthropic API oraz z Sonnet 5 w planach Pro i Team Standard (oba natywnie 1M; Sonnet $2/$10, Opus $5/$25 za MTok)²⁰; Codex CLI domyślnie korzysta z rodziny GPT-5.6 (domyślnie 272K w Codeksie, 872K przy ustawieniu model_context_window; GPT-5.6 Sol w cenie promocyjnej $4/$20 za MTok co najmniej do 21 listopada 2026)¹⁹²¹. Codex sprawdza się przy delegowaniu zadań do chmurowego sandboksa i przy izolacji na poziomie jądra. Claude Code sprawdza się przy programowalnym zarządzaniu, długodystansowym refaktoringu i przeglądach kodu pod kątem bezpieczeństwa. Najlepsze wyniki daje korzystanie z obu.

Najważniejsze wnioski

• Samodzielni programiści: Warto zacząć od narzędzia dopasowanego do ekosystemu głównego języka. Oba działają w tym samym repozytorium bez konfliktów (CLAUDE.md i AGENTS.md są niezależne).
• Liderzy zespołów: Profile Codeksa dają jawne i audytowalne przełączanie konfiguracji. Warstwowa hierarchia Claude Code stosuje reguły wrażliwe na kontekst automatycznie. Wybór zależy od tego, czy zespół woli jawną kontrolę, czy automatyczne dopasowanie.
• Inżynierowie bezpieczeństwa: Sandbox jądra w Codeksie uniemożliwia agentowi obejście ograniczeń na poziomie systemu operacyjnego. Hooki Claude Code dzielą granicę procesu z agentem, ale pozwalają na dowolną logikę walidacji — a pod nimi znajduje się już Bash w sandboksie na poziomie systemu operacyjnego. Narzędzie należy dobrać do modelu zagrożeń.

Które narzędzie wybrać? (ścieżki decyzyjne według profilu)

Odpowiedź zależy od tego, kim jest czytelnik. Cztery ścieżki, po jednej dla najczęstszych odbiorców tej strony.

Samodzielny programista przy projektach własnych lub w małym zespole

Domyślnie: Claude Code. Natywny kontekst 1M tokenów w Sonnet 5 w cenie $2/$10, system zarządzania z 31 zdarzeniami hooków oraz marketplace wtyczek pokrywają przypadki, z którymi samodzielny programista styka się codziennie (refaktoryzacja dużych baz kodu, ciągłość sesji, automatyczne formatowanie przy zapisie). Pro za $20 miesięcznie lub Max za $100-200 miesięcznie jest przewidywalne i pojemne.

Po Codex CLI warto sięgnąć, gdy: potrzebna jest izolacja na poziomie jądra do jednorazowego przeglądu niezaufanego kodu albo gdy ChatGPT Pro/Plus pokrywa już główne wydatki na AI i dokładanie Claude wydaje się zbędne. Oba narzędzia współistnieją bez tarć; CLAUDE.md i AGENTS.md leżą obok siebie.

Lider techniczny w organizacji inżynierskiej liczącej 10-50 osób

Domyślnie: Claude Code. Programowalne hooki (bramki lintera, skany bezpieczeństwa, blokady zakazanych poleceń) kodują standardy zespołu deterministycznie, zamiast liczyć na to, że model zastosuje się do instrukcji w promptcie. Ustawienia zarządzane pozwalają liderowi ustalić politykę dla całej organizacji, której poszczególni programiści nie nadpiszą. CLI claude agents oraz prymitywy Agent Teams odpowiadają wzorcom, których zespoły faktycznie używają w przepływach przeglądu kodu.

Po Codex CLI warto sięgnąć, gdy: przeglądy wrażliwe na bezpieczeństwo wymagają twardej izolacji na poziomie jądra (na przykład przegląd kodu zewnętrznego wykonawcy albo PR-ów open source od nieznanych autorów) lub gdy zespół jest już związany z narzędziami OpenAI przez Azure OpenAI / Microsoft Foundry. Wtedy jest to wyspecjalizowane narzędzie przeglądowe, a nie codzienny koń roboczy.

Recenzent skupiony na bezpieczeństwie lub badacz red team

Domyślnie: Codex CLI (do danych wejściowych o charakterze adwersarialnym) + Claude Code (do zarządzanego wykonania). Sandbox jądra Codeksa oparty na Seatbelt w macOS oraz Landlock+seccomp w Linuksie odrzuca wywołania systemowe poniżej warstwy aplikacji, więc wrogi agent dosłownie nie sięgnie obszarów systemu plików, na które nie było zgody. Hooki Claude Code działają w warstwie aplikacji, choć Bash w sandboksie podłożył pod nie podłogę na poziomie systemu operacyjnego (Seatbelt/bubblewrap) już na początku 2026 roku, a strictAllowlist z wersji v2.1.219 utwardził politykę sieciową. Narzędzie należy dobrać do zagrożenia.

Po Claude Code warto sięgnąć, gdy: przydają się programowalne działania po przeglądzie (hooki do triage’u, logowanie audytowe, automatyczne generowanie raportów). Typowy przepływ: Codex bada pod ograniczeniami sandboksa, a Claude Code obsługuje triage i warstwę egzekwowania polityk.

Programista z Chin kontynentalnych

Oba narzędzia działają, ale o wyborze bardziej niż funkcje decydują łączność i koszt. Zanim zapadnie decyzja, warto przejść od razu do sekcji Dostęp do Codeksa i Claude Code z Chin.

Zasadniczy podział architektoniczny

Najgłębsza różnica między Codeksem a Claude Code dotyczy tego, gdzie odbywa się zarządzanie. Codex egzekwuje bezpieczeństwo w warstwie jądra: przez Seatbelt w macOS oraz Landlock i seccomp w Linuksie¹. System operacyjny ogranicza dostęp do systemu plików, połączenia sieciowe i tworzenie procesów, zanim te operacje dotrą do aplikacji. Model nie może obejść tych ograniczeń, bo system operacyjny odrzuca wywołanie systemowe przed jego wykonaniem.

Claude Code egzekwuje bezpieczeństwo w warstwie aplikacji przez hooki — programy przechwytujące działania w 31 punktach cyklu życia według stanu na sierpień 2026². Hook PreToolUse na Bash może zbadać każde polecenie, zweryfikować je dowolną logiką i zablokować kodem wyjścia 2. System hooków daje programowalne zarządzanie: pozwala zakodować reguły biznesowe, uruchomić lintery, poszukać poświadczeń. Kompromisem bywało to, że egzekwowanie w warstwie aplikacji dzieli granicę procesu z agentem — ale ta linia zatarła się z obu stron. Claude Code uruchamia Bash w sandboksie opartym na prymitywach systemu operacyjnego (Seatbelt w macOS, bubblewrap w Linuksie) od styczniowego wydania z sandboksem w 2026 roku, a wersja v2.1.219 dodała ustawienie sandbox.network.strictAllowlist, które wprost odrzuca hosty spoza listy. Codex z kolei zyskał stabilny system hooków w v0.124.0: pięć zdarzeń (SessionStart, UserPromptSubmit, AfterToolUse, AfterAgent, Stop) konfigurowanych jako bloki [[hooks]] w config.toml — bez zdarzenia poprzedzającego użycie narzędzia, więc nic nie uruchamia się przed wywołaniem narzędzia tak, jak robi to PreToolUse w Claude.

Każda architektura bezpieczeństwa wymienia ekspresyjność na siłę granicy. Te dwa narzędzia wystartowały z przeciwnych krańców tego spektrum i każde przesunęło się ku środkowi, ale rozłożenie akcentów pozostaje świadome. Sandbox jądra ma sens, gdy model zagrożeń obejmuje potencjalnie wrogiego agenta (przegląd złośliwego kodu, uruchamianie niezaufanych skryptów). Hooki w warstwie aplikacji mają sens, gdy modelem zagrożeń jest agent zbyt pewny siebie, lecz działający w dobrej wierze (własny kod, własny zespół, własne konwencje). Większość programistów potrzebuje obu modeli zagrożeń w różnych momentach.

Filozofia konfiguracji

Codex używa formatu TOML. Claude Code używa JSON-a. Różnica formatu jest kosmetyczna. Różnica filozofii już nie.

Codex organizuje konfigurację wokół profili — nazwanych zestawów ustawień, między którymi przełącza się jawnie przy użyciu --profile. Profil careful ustawia approval_policy = "untrusted" i agresywnie izoluje w sandboksie⁹. Profil deep-review przełącza na mocniejszy model. Zawsze wiadomo, która konfiguracja jest aktywna, bo została wybrana z nazwy. Warstwę instrukcji stanowi AGENTS.md, otwarty standard pod egidą Agentic AI Foundation przy Linux Foundation³, czytany przez Codex, Cursor, Copilot, Amp, Devin Desktop i Gemini CLI.

Claude Code organizuje konfigurację wokół warstwowej hierarchii — pięciu warstw kaskadujących od ustawień zarządzanych (najwyższy priorytet) przez wiersz poleceń, projekt lokalny i projekt współdzielony aż po domyślne ustawienia użytkownika. Pliki CLAUDE.md działają na poziomie użytkownika, projektu i lokalnym. Katalogi skills, hooków i reguł dokładają kolejne warstwy. Konfiguracja właściwa dla kontekstu stosuje się automatycznie, ale aktywnej konfiguracji nie widać w żadnym pojedynczym pliku. Trzeba ją odtworzyć, czytając całą hierarchię.

Profile sprzyjają jawności i audytowalności. Na pytanie „jaka konfiguracja była aktywna?” można odpowiedzieć, sprawdzając, którą flagę --profile przekazano. Warstwowa hierarchia sprzyja automatyzacji i wrażliwości na kontekst. Właściwy kontekst stosuje się sam, ale odpowiedź na pytanie „jaka konfiguracja jest aktywna?” wymaga przeczytania nawet pięciu warstw i zrozumienia kolejności ich scalania. Kompromis jest realny: zdarzyło mi się zaskoczyć nadpisaniem z pliku CLAUDE.md na poziomie użytkownika, które kolidowało z instrukcją na poziomie projektu — przy jawnych profilach to by się nie zdarzyło.

Porównanie modeli bezpieczeństwa

Wzorzec: Codex daje mocniejsze granice przy grubszej kontroli. Claude Code daje słabsze granice przy drobniejszej kontroli¹¹. Właściwy wybór zależy od modelu zagrożeń. Przegląd niezaufanego kodu z zewnątrz? Sandbox jądra. Egzekwowanie firmowych standardów kodowania na zaufanym kodzie? Programowalne hooki.

Kontekst i modele

Aktualizacja, 3 września 2026. Dwie korekty i jedno uzupełnienie do akapitów poniżej, zachowanych w brzmieniu z 11 sierpnia, aby zapis pozostał widoczny.

Po pierwsze, domyślny model Codeksa. Strona modeli Codeksa u OpenAI wskazywała gpt-5.6-sol jako domyślne ustawienie Power już 10 sierpnia, więc sformułowanie „rekomendowanym domyślnym modelem Codex CLI jest GPT-5.5” było nieaktualne już w chwili aktualizacji tego tekstu 11 sierpnia. GPT-5.5 to flagowiec, którego zastąpił GPT-5.6 Sol. Według stanu na 3 września ta sama strona nie wskazuje już modelu domyślnego: „Proszę zacząć od domyślnego ustawienia Power dostępnego dla danego konta”, a dla kwalifikujących się kont Pro, Business i Enterprise wdrożenie Astry „zmienia opcje Power na Terra Light, Sol Light, Sol Medium, Astra Light, Astra Medium i Astra Extra High”. Zmieniła się także opisana niżej asymetria kontekstu wewnątrz narzędzia. Domyślne okno rodziny GPT-5.6 w Codeksie wynosi 272 000 tokenów (informacja o wydaniu v0.144.6 skorygowała tę wartość), a od wersji v0.149.0 z 20 sierpnia ustawienie model_context_window pozwala podnieść Sol, Terra i Luna do 872 000, wciąż poniżej 1M w Claude Code. Katalog modeli w Codeksie 0.153.1 podaje też dla GPT-5.5 wartość 272 000 w Codeksie, a nie 400K cytowane niżej.¹⁹

Po drugie, model domyślny w Claude Code zależy od planu, a nie jest jeden. Dokumentacja konfiguracji modeli Anthropic wymienia „Max, Team Premium, Enterprise i Anthropic API: domyślnie Opus 5” oraz „Pro i Team Standard: domyślnie Sonnet 5”. Cena $2/$10 za MTok dla Sonnet 5, opisana niżej jako cena wprowadzająca do 31 sierpnia, jest teraz ceną standardową; zapowiadana podwyżka nie doszła do skutku.²⁰

Po trzecie, model, który zmienia to porównanie. OpenAI wypuściło GPT-6 Astra 3 września w cenie $10 za milion tokenów wejścia, $1 za wejście z cache, $50 za wyjście, z oknem kontekstu 1 050 000 tokenów i maksymalnym wyjściem 128 000. Długie okno kosztuje więcej: „Prompty z ponad 272K tokenów wejścia są rozliczane po 2x za wejście i stawki cache oraz 1,5x za wyjście dla całego żądania”. Dostępność, dosłownie: „GPT-6 Astra trafia dziś do przedsiębiorstw objętych naszym programem Trusted Access, a dostęp przez API oraz w naszych planach Plus, Pro, Business i Enterprise pojawi się w najbliższych dniach”. Codex CLI 0.153.1 tego samego dnia „[d]odał obsługę konfigurowania GPT-6-Astra przez API bez zmiany modelu domyślnego i bez pokazywania go w selektorze modeli”. Odpowiednikiem po stronie Anthropic na szczycie ogólnie dostępnej oferty jest Claude Fable 5.1 (1 września): $10/$50 za MTok przy odczytach z cache po $0.25 i kontekście 1M. Obaj dostawcy mają teraz flagowca za $10/$50 w stawce bazowej, ponad swoimi domyślnymi modelami do kodowania. Na 3 września, według strony modelu Astra, dostęp poza programem Trusted Access dopiero się szykował, a według strony modeli Codeksa opcje Power z Astrą docierały wyłącznie do kwalifikujących się kont; żaden z dostawców nie czyni ze swojego flagowca modelu domyślnego w narzędziu do kodowania.¹⁹²⁰

Według stanu na sierpień 2026 rekomendowanym domyślnym modelem Codex CLI jest GPT-5.5 (premiera 23 kwietnia 2026)⁴: 400K kontekstu w Codeksie, 1M w API, $5/$30 za MTok i 82,7% w Terminal-Bench 2.0 — stan sztuki wśród publicznie dostępnych modeli w chwili premiery. GPT-5.4, poprzedni flagowiec, pozostaje dostępny w API wraz z eksperymentalnym trybem długiego kontekstu 1,05M (rozliczanie 2x za wejście i 1,5x za wyjście powyżej 272K wejścia)⁴, ale Codex v0.145.0 (21 lipca 2026) przeniósł dołączone wybory GPT-5.4 na warianty GPT-5.6 Terra i Luna (po 272K kontekstu). Snapshot gpt-5.2-codex został wyłączony 23 lipca 2026 — skrypty przypięte do niego teraz zawodzą, a rekomendowanym przez OpenAI zamiennikiem jest GPT-5.6 Sol.⁴

Claude Code domyślnie korzysta z Sonnet 5 od wersji v2.1.197 (30 czerwca 2026): natywny kontekst 1M tokenów, maksymalnie 128K wyjścia, $3/$15 za MTok przy cenie wprowadzającej $2/$10 do 31 sierpnia 2026⁵. Alias opus wskazuje na Opus 5 od wersji v2.1.219 (24 lipca 2026): kontekst 1M, maksymalnie 128K wyjścia, $5/$25 za MTok — Anthropic pozycjonuje go jako wzrost możliwości w tej samej cenie co Opus 4.8. Domyślne modele i limity kontekstu u obu dostawców zmieniają się między wydaniami; aktualne wartości warto sprawdzić na stronach dostawców.

Oba narzędzia dobrze radzą sobie dziś z dużym kontekstem, z jedną asymetrią: domyślny model Claude Code ma natywnie 1M wewnątrz narzędzia i bez dopłaty za długi kontekst, podczas gdy Codex ogranicza GPT-5.5 do 400K w samym Codeksie (pełne okno 1M jest dostępne wyłącznie przez API). Przy wczytywaniu monorepo w jednym oknie przewagę wewnątrz narzędzia ma obecnie Claude Code; jakość wyszukiwania (to, jak dobrze każde z narzędzi znajduje istotny kod) w większości projektów wciąż liczy się bardziej niż sam rozmiar okna.

Koniec tekstu z 11 sierpnia; zastępuje go aktualizacja z 3 września powyżej.

Publiczne benchmarki zmieniają się szybciej niż jakikolwiek tekst porównawczy. W migawce z kwietnia 2026 Opus 4.7 prowadził w SWE-bench Verified (87,6%) i SWE-bench Pro (64,3%), a GPT-5.4 (75,1%) oraz GPT-5.3-Codex (77,3%) prowadziły w Terminal-Bench 2.0¹². GPT-5.5 utrzymywał Terminal-Bench 2.0 na poziomie 82,7% w chwili premiery 23 kwietnia, co było wówczas stanem sztuki wśród publicznie dostępnych modeli⁴. Obaj dostawcy wypuścili od tego czasu nowsze modele: OpenAI GPT-5.6 Sol i GPT-6 Astra, a Anthropic Opus 4.8 (maj) i Opus 5 (lipiec) jako wzrost możliwości przy tym samym koszcie oraz Fable 5.1 (1 września) ponad nimi, po $10/$50.¹⁹²⁰ Ten tekst nie zawiera tabeli benchmarków dla tych późniejszych modeli. Każdą liczbę z tego tekstu należy traktować jako pomiar punktowy i przed decyzją sprawdzić strony dostawców. W moich ocenach w ciemno wcześniejsza wersja Opusa wypadała lepiej przy zadaniach przeglądu i bezpieczeństwa nawet przy mniejszym kontekście, a ten sam wzorzec utrzymuje się przy 1M.

Oba narzędzia obsługują routing modeli. Codex wybiera modele w ramach profilu⁹. Claude Code domyślnie korzysta z Opus 5 albo Sonnet 5 zależnie od planu, z aliasem opus wskazującym na Opus 5, a każde wywołanie można nadpisać przez --model albo konfigurację w ustawieniach.

Ceny w szczegółach

Ceny dzielą się na trzy wzorce: rozliczanie API za token, subskrypcje obejmujące korzystanie z agentowego CLI oraz rozliczenie przez dostawcę chmury — AWS / GCP / Azure. Najtańsza ścieżka zależy od dziennego wolumenu tokenów, a nie od ceny katalogowej.

Ceny Claude Code (zweryfikowane 3 września 2026)

Za token (API Anthropic):¹³

Cena $2/$10 dla Sonnet 5 była na starcie ceną wprowadzającą, a teraz jest ceną standardową; podwyżka z 1 września została odwołana. Opus 4.8, 4.7 i 4.6 pozostają dostępne jako modele starszej generacji w tej samej stawce $5/$25. Bez dopłaty za długi kontekst: okna 1M tokenów w Opus 5 i Sonnet 5 są wyceniane w stawce standardowej. Batch API daje 50% zniżki na wejście i wyjście.¹³

Subskrypcje obejmujące Claude Code:⁸

Ceny u dostawców chmury idą za stawkami katalogowymi AWS Bedrock / Google Vertex AI / Microsoft Foundry, które są bliskie bezpośredniemu API Anthropic, ale różnią się dostępnością regionalną i miejscem przechowywania danych.

Ceny Codex CLI (zweryfikowane 4 września 2026)

Za token (API OpenAI):¹⁴

Ceny zmieniają się wraz z rotacją wariantów modeli przez OpenAI. Wiersze GPT-5.6 Sol, GPT-6 Astra i GPT-5.5 zweryfikowano 4 września 2026; starsze wiersze pochodzą z 8 sierpnia 2026. GPT-5.6 Sol powyżej 272K wejścia rozlicza się po $8/$30 za całe żądanie.

Snapshot gpt-5.2-codex został wyłączony 23 lipca 2026 zgodnie z tabelą wycofań OpenAI; rekomendowanym przez OpenAI zamiennikiem jest GPT-5.6 Sol.⁴ Prompty z długim kontekstem na GPT-5.4 (powyżej 272K tokenów wejścia) są w takiej sesji rozliczane po 2x za wejście i 1,5x za wyjście, na poziomach standard, batch i flex.⁴

Subskrypcje obejmujące Codex:

ChatGPT Plus ($20 miesięcznie), Pro (od $100 miesięcznie za poziom 5x, $200 miesięcznie za 20x) oraz Business (stanowiska pay-as-you-go wyłącznie dla Codeksa albo standardowe stanowiska ChatGPT Business z limitami użycia Codeksa) obejmują korzystanie z rodziny Codex z limitami zależnymi od planu. GPT-5.5, GPT-5.4 i GPT-5.3-Codex są dostępne przez API OpenAI z opublikowanymi cenami za token i limitami zapytań dla obsługiwanych poziomów API (poziom darmowy nie jest obsługiwany).¹⁴ Zespoły korzystające wyłącznie z API pomijają subskrypcję w całości; subskrypcje ChatGPT mają sens wtedy, gdy dołączone użycie Codeksa wraz z szerszą powierzchnią czatu są dla zespołu korzystniejsze.

Ile naprawdę kosztuje kontekst 1M w Opus 5

Praktyczne pytanie: „Jeśli podam Opus 5 bazę kodu o wielkości 1M tokenów, jaki będzie rachunek?”.

Jedno przejście pełnego kontekstu z odpowiedzią o długości 10K tokenów: - Wejście: 1 000 000 tokenów × $5.00/MTok = $5.00 - Wyjście: 10 000 tokenów × $25.00/MTok = $0.25 - Razem (bez cache’u): $5.25 za przejście

Przy 5-minutowym cache’owaniu promptu na bazie kodu o wielkości 1M tokenów (przy założeniu jednego zapisu do cache’u i powtarzanych odczytów przy kolejnych pytaniach): - Pierwszy zapis: 1 000 000 × $6.25/MTok = $6.25 (jednorazowo) - Każdy kolejny odczyt w ciągu 5 minut: 1 000 000 × $0.50/MTok + 10 000 wyjścia × $25/MTok = $0.75 - Pięć odczytów w jednej sesji: $6.25 + (5 × $0.75) = $10.00 za pięć przejść pełnego kontekstu

Przykład w CNY przy kursie odniesienia 1 USD ≈ 6.82 CNY (kurs centralny PBOC utrzymywał się w przedziale 6.82-6.90 w okolicach kwietnia 2026): ~¥68.20 za pięć sesji pełnego kontekstu z Opus 5 na bazie kodu o wielkości 1M tokenów. Kursy się zmieniają; przed powołaniem się na tę liczbę w procesie zakupowym trzeba sprawdzić kurs bieżący. Dla budżetowania liczy się sam sposób liczenia, a nie dokładna kwota w CNY.

Analogiczne wyliczenie dla trybu długiego kontekstu w GPT-5.4 (poprzedni flagowiec — okno 1,05M w GPT-5.5 jest dostępne wyłącznie przez API i rozlicza się po 2x za wejście i 1,5x za wyjście powyżej 272K, co daje to samo pełne przejście 1M bez cache’u za $10.45): - Wejście: 1 000 000 tokenów × ($2.50 stawki bazowej × 2 mnożnika za długi kontekst) = $5.00 - Wyjście: 10 000 tokenów × ($15.00 stawki bazowej × 1,5 mnożnika za długi kontekst) = $0.225 - Razem (bez cache’u): $5.23 za przejście, czyli w granicach 1% ceny Opus 5 bez cache’u przy pełnym kontekście 1M

Na GPT-5.3-Codex (sufit 272K wejścia) wczytanie tej samej bazy kodu o wielkości 1M wymagałoby co najmniej czterech przejść, co zmienia profil kosztu na poziomie sesji. Większość chińskich zespołów programistycznych nie potrzebuje codziennie pełnego kontekstu 1M, więc realistyczne porównanie przebiega przez typowe rozmiary sesji (50K-200K tokenów), gdzie oba narzędzia kosztują poniżej $1 za sesję.

Kiedy subskrypcja wygrywa z płatnością za token

Zgrubna heurystyka (nie jest to opublikowany limit tokenów, bo Anthropic takiego nie podaje): lekkie użycie interaktywne mieści się swobodnie w planie Pro; cięższe codzienne przepływy agentowe na Opus 5 przesuwają w rejon Max 5x lub Max 20x; stałe obciążenia pełnym kontekstem ($5 i więcej za sesję) bywają tańsze przy płatności za token z agresywnym cache’owaniem promptów niż przy limitowanej subskrypcji. Warto przepracować reprezentatywny tydzień na planie Pro, sprawdzić panel użycia Claude i podnosić poziom w miarę potrzeb, zamiast zgadywać ze wzoru. Zespoły robią ten sam rachunek na użytkownika, plus narzut administracji, polityk i SSO, który przejmuje poziom Enterprise.

Dostęp do Codeksa i Claude Code z Chin

Bezpośredni dostęp do API OpenAI i Anthropic nie jest oficjalnie obsługiwany z Chin kontynentalnych — wynika to z publikowanych przez każdego z dostawców list obsługiwanych krajów.¹⁸ Bywa, że programiści kierują ruch przez sieci i konta spoza kontynentu, żeby to obejść, ale wiąże się to z ryzykiem zawieszenia konta i naruszenia zgodności, które trzeba zestawić z argumentem o produktywności. Binaria CLI instalują się i działają lokalnie po pobraniu; codzienne zachowanie pętli agenta jest wszędzie takie samo. Legalne ścieżki prowadzą przez dostawców chmury.

Dostępność regionalna AWS Bedrock

Modele Claude od Anthropic są udostępniane przez Amazon Bedrock w wybranych regionach AWS. Według stanu na kwiecień 2026 publiczne endpointy runtime Bedrock obejmują regiony APAC, w tym Tokio, Seul, Singapur, Bombaj i Sydney, ale żaden endpoint runtime Bedrock nie działa obecnie w Chinach kontynentalnych ani w Hongkongu.¹⁵ Chińscy klienci kierujący ruch przez AWS zwykle korzystają z Singapuru albo Tokio, z odpowiednim kosztem opóźnień.

Dostępność regionalna Google Vertex AI

Google Cloud oferuje endpointy generatywnej AI w Vertex AI w regionach Azji i Pacyfiku.¹⁶ Dostępność poszczególnych modeli Claude różni się w zależności od regionu, a asia-east2 (Hongkong) historycznie dawał niższe opóźnienia użytkownikom z południowych Chin. Przed decyzją warto sprawdzić dostępność modelu Claude w wybranym regionie Vertex; zasięg rośnie z czasem, ale nie jest jednolity w całym regionie APAC.

Microsoft Foundry

Claude jest dostępny przez Microsoft Foundry w globalnym standardowym wdrożeniu Azure, zwykle przy wymogu kwalifikujących się subskrypcji Enterprise / MCA-E. Claude nie jest publicznie udokumentowany jako dostępny w Azure China (operowanym przez 21Vianet), które jest odrębną chmurą suwerenną z osobnym katalogiem usług. Chińscy klienci korzystający z Foundry kierują ruch przez globalną infrastrukturę Azure, a nie przez Azure China.¹⁷

OpenAI Codex z Chin

Lista obsługiwanych krajów OpenAI nie obejmuje Chin kontynentalnych; OpenAI ostrzega, że dostęp z nieobsługiwanych regionów może skutkować blokadą albo zawieszeniem konta.¹⁸ Azure OpenAI jest dostępne w wybranych regionach globalnych (nie w Azure China), a chińskie przedsiębiorstwa szukające zgodnego dostępu zwykle kierują ruch przez Azure OpenAI w dozwolonym regionie i na odpowiednich warunkach umownych, zamiast próbować korzystać z bezpośredniego API OpenAI.

Alternatywne modele od chińskich dostawców

DeepSeek, Qwen (Alibaba) i Kimi (Moonshot) to alternatywy na poziomie modeli, które chińskie zespoły rozważają ze względu na koszt i opóźnienia. To modele, a nie agentowe narzędzia CLI. Sparowanie ich z Claude Code wymaga adaptera albo bramy zgodnej z API Anthropic (Claude Code oczekuje kształtu żądania i odpowiedzi Anthropic; ANTHROPIC_BASE_URL wskazuje na endpointy zgodne z Anthropic, a nie z OpenAI). Codex obsługuje routing modeli na poziomie profilu, ale podobnie oczekuje odpowiedzi zgodnych z OpenAI. Żadne z narzędzi nie oferuje pełnoprawnego wsparcia dla DeepSeeka, Qwena czy Kimi; ścieżką jest warstwa adaptera tłumacząca między kształtem API dostawcy a tym, czego oczekuje CLI. Te modele dobrze odpowiadają na pytania o zakupy, opóźnienia i miejsce przechowywania danych. Pytania o poprawność pętli agenta i dojrzałość wywoływania narzędzi wciąż najlepiej obsługują czołowe modele Claude i GPT, pod które te narzędzia CLI zostały dostrojone.

Możliwości wieloagentowe

Codex oferuje delegowanie zadań do chmury przez codex cloud exec⁶ — powierzchnię, którą OpenAI wciąż oznacza jako eksperymentalną. Opisuje się zadanie, Codex uruchamia środowisko w chmurze, przepuszcza agenta przez bazę kodu i zwraca diff. Rozumowania agenta nie da się śledzić na bieżąco; zadanie definiuje się z góry, a wyniki odbiera później. Delegowanie do chmury naturalnie pasuje do pipeline’ów CI/CD i przetwarzania wsadowego. Dla zrównoleglenia lokalnego wieloagentowa wersja v2 ustabilizowała się jako opcja włączana ręcznie w v0.145.0 (21 lipca 2026), z konfigurowalnymi modelami podagentów, poziomami rozumowania i współbieżnością⁷.

Claude Code oferuje jawne uruchamianie podagentów przez narzędzie Task¹⁰, a ta powierzchnia mocno urosła w 2026 roku: podagenci domyślnie działają w tle od v2.1.198, uruchamiają zagnieżdżonych podagentów do głębokości 3, a od v2.1.219 domyślnie pracuje ich równolegle do 20, przy czym dynamiczne przepływy (/workflows, od v2.1.154) orkiestrują większe floty. Agent nadrzędny uruchamia podagentów z konkretnymi zadaniami i odizolowanym kontekstem, koordynuje wyniki i syntetyzuje wyjścia. Uruchamianie podagentów umożliwia interaktywną orkiestrację: rozumowanie jest widoczne i można w nie ingerować. W połączeniu ze wzorcami deliberacji, w których kilku agentów krytykuje nawzajem swoje wyniki, interaktywna orkiestracja wychwytuje problemy umykające modelom typu „uruchom i zapomnij”.

Zadania w chmurze pasują do przepływów, w których zadanie definiuje się z góry, a wyniki odbiera później. Koordynacja podagentów pasuje do przepływów, w których zadanie ewoluuje wraz z rozumowaniem i wymaga syntezy na bieżąco.

Spektrum zaufania

Zanim przyjdzie czas na macierz decyzyjną, warto się zastanowić, gdzie na spektrum zaufania leży dane zadanie. Każde agentowe zadanie programistyczne niesie ze sobą niejawną decyzję o zaufaniu: na ile można zaufać osądowi agenta akurat przy tym zadaniu?

Niskie zaufanie (Codex): Przegląd cudzego kodu, uruchamianie skryptów z zewnętrznych źródeł albo delegowanie pracy do środowiska w chmurze, którego nie da się obserwować na bieżąco. Agent może natrafić na dane wejściowe o charakterze adwersarialnym. Granice ma egzekwować system operacyjny, niezależnie od tego, co zdecyduje model.

Średnie zaufanie (dowolne z dwóch): Praca nad własną bazą kodu o znanych wzorcach. Agent może się mylić, ale są to pomyłki z nadmiernej pewności siebie, a nie ze złej woli. Zmiany warto przejrzeć przed scaleniem, ale izolacja na poziomie jądra nie jest potrzebna.

Wysokie zaufanie (Claude Code): Bariery ochronne są już zbudowane z hooków, instrukcji w CLAUDE.md i uprawnień z listy dozwolonych. Agent działa w zarządzanym środowisku, które sami zaprojektowaliśmy. Zaufanie do warstwy zarządzania jest na tyle duże, by zatwierdzać działania wybiórczo, zamiast blokować je hurtowo.

Większość programistów przez większość czasu porusza się w obszarze średniego zaufania i właśnie dlatego działa przepływ z dwoma narzędziami: Codex bierze zadania o niskim zaufaniu, gdzie błyszczy jego sandbox, a Claude Code zadania o zaufaniu od średniego do wysokiego, gdzie programowalne hooki dają więcej niż ograniczenia jądra.

Ramy decyzyjne

Konkretna macierz decyzyjna oparta na określonych potrzebach:

Żadne z narzędzi nie dominuje tej macierzy. Wzorzec pod spodem jest prostszy, niż sugeruje dziesięć wierszy: Codex wygrywa tam, gdzie potrzebne są twarde granice, a Claude Code tam, gdzie potrzebna jest programowalna logika. Przy uruchamianiu niezaufanego kodu, przeglądaniu zewnętrznych kontrybucji albo delegowaniu do środowiska w chmurze bez podglądu ważniejsze są twarde granice. Przy egzekwowaniu konwencji zespołowych, orkiestrowaniu wieloetapowych przepływów albo budowaniu barier kodujących reguły biznesowe ważniejsza jest programowalna logika. Jeśli więcej niż trzy potrzeby wskazują na jedno narzędzie, od niego warto zacząć. Jeśli podział jest równy, warto rozważyć pracę z obydwoma.

Moja rekomendacja

Warto używać obu. Przepuściłem identyczne zadania przeglądu kodu przez oba narzędzia w 12 kategoriach zadań (opisane w mojej serii ocen w ciemno) i okazało się, że żadne z nich w pojedynkę nie wychwyciło wszystkiego. Konkretny przykład: podczas przeglądu uwierzytelniania w FastAPI Opus wskazał kanał boczny czasowy w funkcji porównującej hasła. Porównanie używało operatora == z Pythona zamiast hmac.compare_digest(), tworząc wyrocznię czasową¹¹. Codex zupełnie ten problem pominął. W tej samej bazie kodu sandbox Codeksa wychwycił wektor SSRF w endpointcie pobierającym adresy URL, gdzie adresy podane przez użytkownika mogły sięgnąć usług wewnętrznych. Opus zaakceptował ten endpoint, bo walidacja danych wejściowych wyglądała poprawnie na poziomie aplikacji, ale sandbox jądra oznaczył wychodzące żądanie sieciowe do wewnętrznego zakresu adresów IP. Różne modele trenowane na różnych danych wychwytują różne klasy podatności. Uruchamianie obu kosztuje mniej więcej dwa razy więcej za przegląd, ale przy kodzie wrażliwym na bezpieczeństwo wychwytuje zauważalnie więcej problemów.

Mój codzienny przepływ pracy dzieli się według rodzaju zadania:

• Claude Code obsługuje implementację funkcji, przeglądy kodu i refaktoryzacje wielu plików. Hooki wymuszają formatowanie, blokują niebezpieczne polecenia i uruchamiają testy po każdej edycji. Interaktywny model podagentów sprawdza się przy zadaniach, które ewoluują wraz z rozumowaniem.
• Codex obsługuje przeglądy niezaufanego kodu z --sandbox read-only (zewnętrzne PR-y i zależności przeglądam w sandboksie jądra), zadania wsadowe delegowane do chmury przez codex cloud exec oraz drugą opinię architektoniczną, gdzie perspektywa innego modelu wychwytuje martwe pola.

CLAUDE.md i AGENTS.md współistnieją w tym samym repozytorium bez konfliktów. Narzut na utrzymanie pozostaje minimalny, bo oba pliki dzielą większość treści. Trzymam wspólną sekcję konwencji i kopiuję ją do obu.

Kiedy nie sięgać po żadne z nich. Ani Codex, ani Claude Code nie są właściwym wyborem, gdy potrzebny jest gwarantowany determinizm. Oba narzędzia są probabilistyczne: ten sam prompt może dać różne wyniki w kolejnych uruchomieniach. Jeśli przepływ wymaga dokładnej odtwarzalności (na przykład generowania plików konfiguracyjnych, które muszą zgadzać się ze schematem co do bajta), lepiej użyć silnika szablonów albo generatora kodu. Narzędzia agentowe są najmocniejsze tam, gdzie zadanie wymaga osądu, a najsłabsze tam, gdzie wymaga precyzji bez osądu.

Pełne porównanie wraz z metodologią oceny w ciemno i wynikami w 12 kategoriach zadań opisuje tekst Claude Code vs Codex: kiedy używać którego. Na start z każdym z narzędzi osobno warto zajrzeć do przewodnika po Claude Code albo przewodnika po Codeksie. Praktyczny opis systemu hooków, który napędza warstwę zarządzania w Claude Code, znajduje się w tutorialu o hookach.

Przypisy

Często zadawane pytania

Czy można używać Codeksa i Claude Code w tym samym projekcie?

Tak. CLAUDE.md i AGENTS.md to osobne pliki, które każde narzędzie czyta niezależnie. Żadne z narzędzi nie parsuje pliku instrukcji drugiego. Pliki konfiguracyjne nie kolidują ze sobą. Utrzymuję oba w każdym aktywnym projekcie. Jedyna rzecz do przemyślenia to synchronizacja wspólnej treści między plikami instrukcji, co zajmuje minuty, bo formaty są podobne.

Które jest tańsze w codziennym użyciu?

Szczegóły w sekcji Ceny w szczegółach powyżej. W skrócie: Claude Code ma ceny za token w API Anthropic (Sonnet 5 po $2/$10, na starcie wprowadzająco, a teraz jako cena standardowa; Opus 5 po $5/$25) plus drabinkę subskrypcji (Pro $20, Max 5x $100, Max 20x $200, Team $30/użytkownika, Team Premium $150/użytkownika). Codex CLI ma ceny za token w API OpenAI (GPT-5.6 Sol po $4 za wejście / $20 za wyjście za MTok, stawka promocyjna co najmniej do 21 listopada 2026; GPT-5.5 po $5 / $30) oraz dla rodziny GPT-5.4 / GPT-5.3-Codex, a do tego to, co obejmują ChatGPT Plus/Pro. Efektywność tokenowa zależy od rodzaju zadania; przy pracy wrażliwej budżetowo warto przepuścić reprezentatywne zadanie przez oba narzędzia i porównać faktyczne opłaty. Ceny za token różnią się między dostawcami, więc surowa liczba tokenów nie przekłada się wprost na koszt.

Które lepiej radzi sobie z dużymi bazami kodu?

Oba dobrze radzą sobie z dużymi repozytoriami. Domyślne modele Claude Code (Opus 5 albo Sonnet 5 zależnie od planu) mają natywnie 1M tokenów w cenie standardowej. Domyślna rodzina GPT-5.6 w Codeksie pracuje domyślnie na 272K wewnątrz Codeksa i na 872K przy model_context_window, a okna 1,05M (tak samo GPT-5.6 Sol, GPT-6 Astra i GPT-5.5, każde rozliczane po 2x za wejście i 1,5x za wyjście, gdy wejście przekracza 272K) leżą po stronie API; zob. aktualizację z 3 września w sekcji Kontekst i modele. Żadne z narzędzi nie czyta całej bazy kodu naraz; oba przy codziennej pracy opierają się na wyszukiwaniu (przeszukiwanie bazy kodu w Claude Code, z warstwowymi plikami CLAUDE.md ładującymi kontekst z góry; wyszukiwanie sterujące odkrywaniem plików w Codeksie). Surowy rozmiar okna liczy się najbardziej przy rozumowaniu o zależnościach między wieloma plikami w jednej turze — i tam Claude Code ma obecnie większe okno wewnątrz narzędzia.

Czy Codex CLI działa lokalnie, czy w chmurze?

I tak, i tak, ale nie w tym samym trybie. Codex CLI domyślnie działa lokalnie, tak jak każde narzędzie terminalowe.¹ Delegowanie do chmury to osobny przepływ przez codex cloud exec albo Codex Cloud, który uruchamia zadanie w kontenerze na infrastrukturze hostowanej przez OpenAI i zwraca diff. To właśnie Codex Cloud zwykle mają na myśli osoby mówiące o „sandboksie Codeksa”; lokalny sandbox Codex CLI to opisana wyżej, w sekcji o modelach bezpieczeństwa, ścieżka na poziomie jądra z Seatbelt / Landlock.

Czy da się korzystać z Claude Code i Codeksa z Chin kontynentalnych?

Bezpośredni dostęp do API OpenAI i Anthropic nie jest oficjalnie obsługiwany z Chin kontynentalnych. Binaria CLI instalują się i działają lokalnie, ale kierowanie ruchu do bezpośrednich API z Chin kontynentalnych może skutkować zawieszeniem konta lub problemami ze zgodnością. Legalne ścieżki prowadzą przez Azure OpenAI (wybrane regiony poza Chinami), AWS Bedrock (najbliższe publiczne regiony APAC, w tym Tokio, Seul, Singapur, Bombaj i Sydney; bez endpointu runtime w Chinach kontynentalnych ani w Hongkongu), Google Vertex AI (asia-east2 w Hongkongu i inne regiony APAC, z zastrzeżeniami co do dostępności poszczególnych modeli) oraz Microsoft Foundry na globalnym Azure (nie Azure China) dla Claude. Szczegóły w sekcji Dostęp do Codeksa i Claude Code z Chin powyżej.

Jak komentarze lub kod po chińsku wpływają na zużycie tokenów?

Chińskie znaki tokenizują się inaczej niż angielskie. Tokenizator Claude traktuje większość chińskich znaków jako pojedynczy token, przez co chiński kod źródłowy bywa bardziej oszczędny tokenowo w przeliczeniu na wiersz niż jego angielski odpowiednik, ale mniej oszczędny w przeliczeniu na znak (jeden token pokrywa jeden znak, a nie 4-6-znakowe angielskie słowo). Codex (rodzina GPT) stosuje podobne podejście. Praktyczny efekt: dla równoważnej treści komentarzy czy docstringów w obu językach należy się spodziewać zbliżonej liczby tokenów, a zachowanie w przeliczeniu na token zależy bardziej od struktury kodu niż od proporcji języka naturalnego.

Czy da się używać Claude Code lub Codex CLI z DeepSeekiem, Qwenem albo Kimi jako modelem bazowym?

Tylko przez adapter albo bramę. Claude Code oczekuje kształtu żądania i odpowiedzi z API Anthropic (ANTHROPIC_BASE_URL wskazuje na endpointy zgodne z Anthropic); Codex oczekuje kształtu OpenAI. DeepSeek, Qwen i Kimi publikują własne API, które wymagają tłumaczenia, zanim sesja Claude Code albo Codex CLI będzie mogła nimi sterować. Społecznościowe projekty adapterów istnieją, ale nie są pełnoprawne, a dialekty wywoływania narzędzi i cache’owania promptów u poszczególnych dostawców różnią się na tyle, że wieloturowe pętle agentowe często się psują. DeepSeek, Qwen i Kimi to wiarygodne opcje przy jednorazowym generowaniu kodu przez osobny harness powłoki oraz przy przeglądzie pojedynczych plików w ich natywnych cenach. Pełna poprawność pętli agentowej i niezawodność wywoływania narzędzi wciąż pochodzą od czołowych modeli Claude i GPT, pod które te narzędzia CLI dostrojono.

Czym różni się Codex CLI od funkcji Codex w ChatGPT?

Codex CLI to narzędzie terminalowe spod adresu github.com/openai/codex. „Codex” w ChatGPT oznacza tę samą rodzinę modeli udostępnioną przez aplikacje webową, desktopową i mobilną ChatGPT, z innymi możliwościami interfejsu (delegowanie zadań do chmury, wyniki asynchroniczne, integracja z historią ChatGPT). CLI i ChatGPT dzielą te same modele pod spodem; różnią się przepływem pracy i zarządzaniem kontekstem. Jeśli pytanie brzmi „które narzędzie zainstalować na laptopie?”, chodzi o Codex CLI.

Czy do korzystania z Codex CLI potrzebna jest subskrypcja ChatGPT?

Nie, choć pomaga w kosztach. Codex CLI działa z samodzielnym kluczem API OpenAI rozliczanym za token. ChatGPT Plus albo Pro obejmują część użycia Codeksa (aktualne limity są na stronie subskrypcji ChatGPT).¹⁴ Dla chińskich programistów bezpośrednie rozliczenie API na koncie OpenAI jest zwykle czystszą ścieżką niż subskrypcja ChatGPT opłacana przez kontynentalne kanały płatnicze.

Ile naprawdę jest hooków w Claude Code?

31 zdarzeń cyklu życia według oficjalnej dokumentacji hooków, stan na sierpień 2026.² Liczba ta rośnie systematycznie i dokładnie dlatego narastają nieaktualne cytowania: wcześniejsze teksty podają 17 albo 26, zależnie od momentu zamrożenia. Wśród dodanych w 2026 roku są PostToolUseFailure, SubagentStart, TeammateIdle, TaskCompleted, PermissionRequest, PermissionDenied, PreCompact / PostCompact, Elicitation / ElicitationResult, StopFailure, TaskCreated, CwdChanged, FileChanged, InstructionsLoaded, ConfigChange, WorktreeCreate / WorktreeRemove, Setup oraz najnowszy DirectoryAdded (v2.1.219, lipiec 2026).

Kiedy pojawił się Opus 4.7 i jak zmienia to porównanie?

16 kwietnia 2026. Było to pierwsze wydanie GA Opusa po Glasswing, wypuszczone z jawnymi zabezpieczeniami cyber, i to ono podniosło Claude Code do 1M tokenów w cenie standardowej, z prowadzeniem w SWE-bench Verified na poziomie 87,6%. Od tego czasu skład zmienił się dwukrotnie: Opus 4.8 (maj 2026), a potem Opus 5 (24 lipca 2026) w tej samej cenie $5/$25, przy czym domyślnym modelem Claude Code w planach Pro i Team Standard został Sonnet 5 (30 czerwca, natywnie 1M, $2/$10). Po stronie OpenAI GPT-5.5 (23 kwietnia) objął prowadzenie w Terminal-Bench 2.0 z wynikiem 82,7%. Prowadzenie w benchmarkach jest płynne; pojedynczy wynik należy traktować jako pomiar punktowy. Aktualny obraz opisuje sekcja Kontekst i modele powyżej.