Codex eller Claude Code: Oppgavetypen betyr mer enn én totalscore

For selvstendige, avgrensede oppgaver i terminalen peker den kontrollerte testen mot Codex. For dokumentasjon og nye funksjoner som skal gjennom vanlig kodegjennomgang, gir observerte pull requests en grunn til å prøve Claude Code. Hvilken agent som passer best, avhenger dermed av oppgavetypen og av hva teamet regner som et vellykket resultat.

Det avgjørende skillet er mellom en endring som består tester uten hjelp, og en endring som blir flettet inn etter menneskelig vurdering. Arbeidsflate og pris kommer i tillegg: Et terminalresultat kan ikke uten videre brukes som mål på arbeid i IDE, nettleser eller en delt teamflyt.

Den kontrollerte testen: Codex foran i autonom CLI-bruk

I DecideNavigators test, sist verifisert 25. juli 2026, fullførte Codex CLI 0.144.6 med gpt-5.6-sol 87,0 prosent av kjøringene autonomt, mot 61,1 prosent for Claude Code 2.1.215 med claude-opus-4-8, fordelt på 108 kjøringer. Dette er et resultat for disse verktøy- og modellkonfigurasjonene i testoppsettet, ikke et varig forholdstall mellom produktnavnene.

Begge agentene fikk de samme upubliserte oppgavene i TypeScript, Python og Go, identiske beskrivelser og tester og en ren starttilstand for hver kjøring. Suksess krevde en byggbar endring som besto den offentlige regresjonstesten og alle vurderte skjulte tester. Menneskelig styring etter at oppgaven var gitt, var utelukket. Derfor er målingen særlig relevant når utvikleren faktisk ønsker å delegere en klart definert oppgave og vente på en ferdig endring.

Testen slo av leverandørspesifikke utvidelser, nettsøk, prosjektinstruksjoner og andre integrasjoner. Den tok også med feil og oppbrukte kvoter som utfall; slike grenser påvirket Claude Code i testperioden. Resultatet sier dermed noe både om oppgaveløsning og om driftssikkerheten i den valgte abonnementsbaserte CLI-kjøringen. Det sier mindre om hvordan agentene fungerer med hele verktøykassen tilgjengelig, eller når en utvikler griper inn underveis.

Pull requests: Oppgavetype endrer bildet

PR-studien, revidert 7. mai 2026, analyserte 7156 pull requests og fant at Codex gjorde det sterkt på tvers av kategorier, mens Claude Code hadde høyest observert fletterate for dokumentasjon med 92,3 prosent og nye funksjoner med 72,6 prosent. Målet var andelen lukkede pull requests som ble flettet inn, ikke om en agent klarte en identisk oppgave alene.

Forskerne tok med pull requests fra åpne GitHub-prosjekter med tillatte lisenser, og hver endring måtte ha fått minst én kommentar eller gjennomgang fra en annen person før lukking. Det gjør materialet nærmere en ordinær samarbeidsflyt enn en isolert testkjøring. Samtidig bestemmer prosjektets vedlikeholdere hva som godtas. En fletterate kan derfor romme forskjeller i krav, prosjekter, oppgavefordeling og menneskelig arbeid etter agentens første bidrag.

Claude Code sto for en liten del av utvalget, særlig innen dokumentasjon. Den observerte ledelsen der er et godt argument for å undersøke verktøyet på slike oppgaver, men ikke bevis for at det generelt produserer bedre teknisk tekst enn Codex. Studien er observasjonell, og de to agentene fikk ikke de samme oppgavene i de samme repositoriene. En høyere kategoriandel kan derfor ikke uten videre tilskrives agenten alene.

Det mest praktiske funnet er at samme totalscore skjuler ulikt arbeid. Dokumentasjon kan bli vurdert etter klarhet og samsvar med eksisterende kode; en ny funksjon kan kreve produktavklaringer og arkitekturvalg. Et autonomt testløp og en flettet pull request belønner forskjellige deler av denne prosessen. Dermed kan CLI-testen favorisere Codex samtidig som PR-materialet gir Claude Code en sterkere posisjon i bestemte kategorier.

Beslutningsmatrise for utviklingsarbeidet

• Feilretting: Codex er et nærliggende førstevalg når feilen har en presis reproduksjon og en test som viser om rettingen virker. Her ligner arbeidet den kontrollerte CLI-kjøringen. Hvis årsaken må nøstes opp gjennom flere avklaringer, blir muligheten til å styre agenten underveis like viktig som autonom fullføring.
• Nye funksjoner: Claude Code bør få plass i vurderingen når leveransen er en pull request som må passe prosjektets krav og gjennomgang. Den observerte fordelen gjelder fletting i PR-utvalget. For en klart spesifisert og testbar deloppgave gir CLI-resultatet fortsatt grunn til å vurdere Codex.
• Dokumentasjon: Claude Code er en relevant kandidat når vedlikeholdere skal vurdere forklaringer, eksempler og endringer i prosjekttekst. Den høye observerte fletteraten har et lite utvalg bak seg. Faglig korrekthet og samsvar med koden må fortsatt vurderes i den konkrete leveransen.
• Autonom terminalkjøring: Codex har det tydeligste direkte resultatet for den målte formen for arbeid. Fordelen er mest overførbar når oppgaven kan gis på forhånd, kjøres fra en kjent starttilstand og kontrolleres med tester. Modellversjon, kvoter og tillatte verktøy er en del av dette valget.
• Teamkontroll: Vurder tilgangsstyring, gjennomgang, bruksgrenser og fakturering som egne krav. En høy fullføringsrate avgjør ikke om agenten passer teamets rutiner for å godkjenne og flette endringer.

Arbeidsflatene setter rammen for resultatene

Codex kan brukes lokalt og til delegerte oppgaver gjennom flere arbeidsflater, mens Claude Code heller ikke er begrenset til terminalen. Anthropics produktoversikt beskriver Claude Code i terminal, IDE, på nett og i GitHub, med mulighet for å styre og gjennomgå arbeidet. Disse valgene endrer når utvikleren kan gripe inn, hvilken prosjektkontekst agenten får, og hvor i flyten resultatet vurderes.

En agent som får kjøre alene i en isolert mappe, møter andre vilkår enn en agent som arbeider mens utvikleren presiserer krav eller gransker en pull request. For dokumentasjon og funksjonsbygging kan en avklaring underveis spare en omvei som en ren autonom test ville telle som mislykket. For repeterbare feilrettinger kan avbrudd derimot være mindre verdt enn en pålitelig ferdig patch. Sammenlign derfor den arbeidsflaten teamet faktisk vil bruke med den arbeidsflaten tallene måler.

Pris: Lik inngangsbillett gir ikke lik kapasitet

OpenAIs Codex-prisliste oppgir ChatGPT Plus til 20 amerikanske dollar per måned med Codex på nett, i CLI og IDE-utvidelsen; bruk via API-nøkkel prises separat etter API-takst. Plus beskrives som kapasitet for noen fokuserte kodeøkter i uken, med mulighet for ekstra kreditter. Et abonnement dekker altså ikke nødvendigvis et team som kjører mange lange oppgaver parallelt.

Anthropics prisliste oppgir Claude Pro med Claude Code til 20 amerikanske dollar ved månedlig betaling, og en standardplass i Team til 25 dollar per måned eller 20 dollar per måned ved årlig fakturering, før eventuell skatt. Claude Code deler bruksgrenser med annen Claude-bruk på samme abonnement; ekstra kapasitet kan kjøpes som brukskreditter. For norske kjøpere må faktiske betalingsvilkår og skatt vurderes ved bestilling.

Lik månedspris sier lite om hvor mange oppgaver et team får fullført. Lange kjøringer, valgt modell og annen bruk av kontoen kan tømme kvoten på ulik måte. For teamarbeid bør regnestykket også omfatte administrasjon og arbeidet som gjenstår etter agentens leveranse, ikke bare kostnaden for å starte den.

Les også:

• Claude Code eller GitHub Copilot: høyere fletterate avgjør ikke alene
• Claude Code eller Cursor: oppgavetypen snur benchmark-vinneren
• Make eller Pipedream: 10 000 steg betyr ikke samme arbeidsmengde