Mit ChatGPT programmieren: Wann Codex die bessere Wahl ist

Mit ChatGPT programmieren oder Codex nutzen?

Codex ist die richtige Wahl, wenn aus einer Antwort eine Änderung am Projekt werden soll. ChatGPT passt, wenn das Verständnis der Antwort bereits das gewünschte Ergebnis ist. Ein Repository umfasst die Quelldateien und die Änderungshistorie einer Anwendung. Sobald eine Aufgabe von diesen Dateien, den Abhängigkeiten und den Tests des Projekts abhängt, wird die Arbeitsumgebung von Codex zum entscheidenden Vorteil.

Wer allein Software entwickelt, kann mit ChatGPT einen Fehler erklären lassen oder eine Funktion besprechen, die sich vollständig überblicken lässt. Codex ist sinnvoll, sobald die Fehlerbehebung erfordert, aufrufende Stellen zu finden, zusammenhängende Dateien zu ändern und die Prüfungen des Projekts auszuführen.

Für Gründer, die eine Fehlerbehebung delegieren, ist Codex die passende Wahl, sobald sich das fehlerhafte Verhalten und das erwartete Ergebnis beschreiben lassen. Vor der Veröffentlichung muss die Änderung weiterhin geprüft werden. Für CTOs oder erfahrene Verantwortliche, die zunächst einen Lösungsansatz bewerten, bietet sich ChatGPT an. Der Wechsel zu Codex folgt, wenn ein Repository und ein konkreter Umsetzungsauftrag vorliegen.

Diese Empfehlungen beruhen auf vier Kriterien: Wie viel Kontext braucht die Aufgabe? Müssen Dateien geändert werden? Muss Code ausgeführt werden? Und was bleibt anschließend noch zu überprüfen? Es geht um passende Arbeitsabläufe, nicht um eine Benchmark-Rangliste.

Wer bereits Plus, Pro oder Business abonniert hat, erhält ChatGPT und die enthaltene Codex-Nutzung mit 1 Abonnement. Details zu den Tarifen stehen im Codex-Preisvergleich und in OpenAIs Erläuterung zu Anmeldung und Abrechnung.

Die genannten Funktionen beschreibt OpenAI in der Anleitung zur Codex CLI, der Worktree-Anleitung, der Anleitung zur GitHub-Anbindung und der Anleitung zu Codeblöcken in ChatGPT.

Codex vs ChatGPT: Was unterscheidet die aktuellen Anwendungen?

ChatGPT ist der vielseitigere Assistent, Codex die Arbeitsumgebung für Softwareentwicklung. OpenAI bietet Codex inzwischen als eigene Ansicht in der ChatGPT-Desktop-App an. Im Menü steht außerdem ChatGPT zur Auswahl, mit einem Umschalter zwischen dem normalen Chat und Work. Work ist ein Agent für längere Aufgaben und auszuarbeitende Ergebnisse. Deshalb wäre es falsch, jede Nutzung von ChatGPT auf ein passives Textfeld zu reduzieren. OpenAIs Übersicht der Arbeitsmodi unterscheidet alle drei.

Als Vergleichsgrundlage dient hier der normale Chat. Work kann Dateien und Werkzeuge nutzen, bei entsprechender Berechtigung auch lokale Ressourcen. Wer aus Dokumenten einen Bericht erstellen lassen möchte, sollte Work prüfen. Soll eine Codebasis geändert werden, ist der Repository-Workflow von Codex die passende Wahl.

ChatGPT eignet sich für Erklärungen und kleine, in sich abgeschlossene Fragen

ChatGPT ist ein dialogbasierter Assistent, der im Web sowie in Mobil- und Desktop-Apps verfügbar ist. Eine Funktion, eine Fehlermeldung oder eine Entwurfsentscheidung kann als Ausgangspunkt für die benötigte Erklärung dienen. OpenAI dokumentiert den Zugang über Web, iOS und Android sowie die Desktop-Anwendung.

Die Möglichkeiten gehen über das Erzeugen von Text hinaus. Unterstützte Codeblöcke lassen sich bearbeiten, in einer Vorschau anzeigen und, bei unterstütztem Python-Code, in einer Sandbox ausführen. Das ist eine isolierte Umgebung zur Codeausführung. Welche Funktionen verfügbar sind, hängt von Gerät, Modell, Tarif und Arbeitsbereich ab. OpenAIs Dokumentation zu Codeblöcken erläutert diese Möglichkeiten.

Um ein unbekanntes Skript zu beurteilen, kann das bereits genügen. Sinnvolle Fragen sind: Was verändert es, welche Eingaben erwartet es und welche Fehlerfälle verdienen besondere Aufmerksamkeit? Wenn das Ergebnis eine direkt bewertbare Erklärung ist, erübrigt sich die Einrichtung eines Repositorys.

Die Grenze liegt in der Auswahl des Kontexts. Eine überzeugende Erklärung der eingefügten Funktion kann eine aufrufende Stelle übersehen, die einen unerwarteten Wert übergibt. Mehr Code bereitzustellen kann helfen. Ob der Kontext ausreicht, muss aber weiterhin der Mensch beurteilen.

Codex eignet sich für Änderungen am Repository und deren Überprüfung

OpenAI Codex ist ein Programmieragent, der Projekte untersuchen, Dateien bearbeiten und Befehle ausführen kann. Seine Oberflächen bieten dafür unterschiedliche Arbeitsumgebungen:

• Codex in der Desktop-App: In der ChatGPT-Desktop-App Codex auswählen und das betreffende Projekt oder den Ordner öffnen. Diese Ansicht eignet sich, um laufende Arbeiten gezielt im Blick zu behalten. Die aktuelle App-Dokumentation beschreibt die Desktop-Oberfläche.
• Codex CLI: Die Kommandozeilenschnittstelle arbeitet im Terminal mit einem Projektverzeichnis. Sie bietet sich an, wenn die benötigten Werkzeuge bereits in der lokalen Entwicklungsumgebung eingerichtet sind. CLI-Dokumentation.
• Codex IDE-Erweiterung: Die Erweiterung für integrierte Entwicklungsumgebungen arbeitet direkt neben dem Editor, nutzt geöffnete Dateien und markierte Bereiche und zeigt Änderungen zur Prüfung an. Sie eignet sich für die enge Zusammenarbeit an Code, der gerade ohnehin untersucht wird. IDE-Dokumentation.
• Codex Cloud: Die Aufgabe erhält eine von OpenAI verwaltete Umgebung mit den benötigten Repositorys, Werkzeugen und Zugriffsrechten. Aufgaben haben getrennte Arbeitsbereiche und können weiterlaufen, während der eigene Rechner im Ruhezustand ist. Anschließend lassen sich Änderungen und Testergebnisse prüfen und ein Commit erstellen oder ein Pull Request öffnen. Cloud-Dokumentation.

Ein Pull Request ist ein Änderungsvorschlag, der vor der Übernahme in die gemeinsame Codebasis zur Prüfung eingereicht wird. Eine solche prüfbare Änderung ist das sinnvolle Ergebnis einer delegierten Fehlerbehebung. Dazu gehören die betroffenen Dateien, die durchgeführten Prüfungen und offene Fragen.

Die Grenze von Codex liegt in der bereitgestellten Umgebung. Benötigt ein Test eine nicht verfügbare Datenbank, wird daraus auch mit einem besseren Prompt kein bestandener Integrationstest. Codex sollte daher ausdrücklich zwischen einem fehlgeschlagenen Test und einem Test unterscheiden, der nicht ausgeführt werden konnte.

Für die Einrichtung auf dem Desktop hilft die Anleitung zur Codex-App. Wer Cloud-Aufgaben vom Smartphone aus bearbeiten möchte, muss die Umgebung zunächst auf dem Desktop oder im Web vorbereiten und veröffentlichen. Mobil lassen sich darin anschließend Aufgaben starten oder fortsetzen. OpenAI erläutert diese Unterscheidung.

Derselbe Fehler, zwei Wege zur Behebung

Beide Arbeitsabläufe können zur gleichen Codekorrektur führen. Der Unterschied liegt darin, wer sie einspielt und nachweist, dass sie im Projekt funktioniert. Ein Beispiel ist diese JavaScript-Hilfsfunktion für Listen: Eine aufrufende Stelle fordert keine Elemente an, erhält aber die voreingestellte Anzahl.

function take(items, limit) {
  return items.slice(0, limit || 25);
}

Das gewünschte Verhalten ist eindeutig: 0 soll keine Elemente zurückgeben; bei null oder einem nicht übergebenen Limit gilt der Standardwert 25. Der Fehler liegt bei ||: Der Operator greift auch bei einer Null auf den Standardwert zurück. Die Korrektur ist der Nullish-Coalescing-Operator ??, der nur bei null oder undefined auf den Standardwert zurückgreift:

function take(items, limit) {
  return items.slice(0, limit ?? 25);
}

Dies ist ein durchgearbeitetes Beispiel zur Veranschaulichung, kein protokollierter Direktvergleich der Produkte. Das ursprüngliche Verhalten und die korrigierten Fälle wurden für diesen Artikel lokal überprüft. Die Zahlen sind Beispieleingaben, keine Produktlimits.

Den Fehler mit ChatGPT beheben

ChatGPT erhält die Funktion und das gewünschte Verhalten: „Bei einer Null muss eine leere Liste zurückkommen. Fehlt das Limit oder hat es den Wert null, soll die voreingestellte Anzahl zurückgegeben werden. Erkläre den Fehler und schlage Regressionstests vor.“ Ein Regressionstest verhindert, dass derselbe Fehler erneut auftritt.

Die vollständige, mit Unterstützung des Chats erarbeitete Korrektur besteht aus der obigen Funktion und diesen ausführbaren Prüfungen in einem Node.js-Modul:

import assert from 'node:assert/strict';

function take(items, limit) {
  return items.slice(0, limit ?? 25);
}

const items = Array.from({ length: 30 }, (_, index) => index);
assert.deepEqual(take(items, 0), []);
assert.equal(take(items, undefined).length, 25);
assert.equal(take(items, null).length, 25);
assert.deepEqual(take(items, 2), [0, 1]);

Was beim Menschen bleibt: die produktiv eingesetzte Hilfsfunktion finden, die Änderung übernehmen, die Prüfungen in das vorhandene Testframework einbauen, die relevante Testsuite ausführen, aufrufende Stellen untersuchen und den Commit oder Pull Request vorbereiten. Wandelt eine andere Datei ein fehlendes Limit in eine Null um, muss das vereinbarte Verhalten vor der Veröffentlichung noch einmal geprüft werden.

Bei einem kleinen, bereits gut verstandenen Skript können diese Schritte kaum Aufwand verursachen. ChatGPT ist dann im Vorteil, wenn die Erklärung der schwierige Teil ist und sich die Korrektur anschließend leicht umsetzen lässt.

Den Fehler mit Codex beheben

In Codex wird das Repository geöffnet. Der Auftrag enthält dieselben Verhaltensvorgaben und zusätzlich ein konkretes Kriterium dafür, wann die Aufgabe erledigt ist:

Die beabsichtigte Korrektur bleibt limit ?? 25. Zum delegierten Auftrag gehören nun auch das Auffinden der Implementierung, die Prüfung der Annahmen im umgebenden Code, das Bearbeiten der Testdatei und das Ausführen der verfügbaren Prüfungen. Das sind dokumentierte Funktionen von Codex für Repository-Arbeit und Befehlsausführung, keine Zusage, dass dieser Prompt immer zum Erfolg führt.

Was beim Menschen bleibt: entscheiden, ob die Verhaltensvorgaben richtig sind, den Diff prüfen, die Testnachweise bewerten, Zugriffs- oder Umgebungsprobleme klären und die Änderung im üblichen Freigabeprozess genehmigen. Ein Diff zeigt zeilenweise, was geändert wurde.

Codex ist im Vorteil, wenn der Weg von der Korrektur zum Nachweis im Projekt sonst wiederholtes Kopieren zwischen Chat, Editor und Terminal erfordern würde. Beim Menschen bleibt die Beurteilung, ob die Änderung richtig und zur Freigabe bereit ist.

Repository-Zugriff: Code lesen ist nur ein Teil der Aufgabe

Codex ist im Vorteil, wenn zum Repository-Zugriff auch Änderungen und die Ausführung von Code gehören müssen. ChatGPT kann bei der Untersuchung angebundenen Codes dennoch helfen. OpenAIs GitHub-Anbindung ruft bei Bedarf Repository-Inhalte ab, für die eine Berechtigung besteht. Die Verfügbarkeit hängt vom Tarif und der verwendeten Oberfläche ab. Dokumentiert ist ausschließlich Lesezugriff für Analyse und Suche. Die Verbindung mit GitHub berechtigt diese App weder dazu, Code zu pushen, noch Pull Requests zu öffnen. OpenAIs GitHub-Anleitung verweist dafür auf Codex.

Das ist beispielsweise für einen CTO relevant, der wissen möchte, warum ein Dienst fehlgeschlagene Anfragen wiederholt. ChatGPT kann ausreichen, um die Wiederholungslogik zu finden und zu erklären. Die Regeln für Wiederholungsversuche zu ändern und das betroffene Verhalten zu prüfen, ist eine Aufgabe für Codex.

Parallele Aufgaben und Pull Requests: Codex braucht klare Grenzen

Codex eignet sich für unabhängige Programmieraufgaben, deren Änderungen sich getrennt prüfen lassen. Ein Worktree ist ein weiterer Checkout eines Git-Repositorys. Eine Aufgabe kann dadurch mit eigenen Dateien arbeiten und zugleich auf dieselbe Repository-Historie zugreifen. OpenAI dokumentiert Worktrees ausdrücklich für parallele Arbeit, die den lokalen Checkout unberührt lässt. Codex-Worktrees.

Für ein kleines Softwareunternehmen wäre etwa folgende Aufteilung sinnvoll: eine klar eingegrenzte Fehlerbehebung, die Untersuchung eines fehlgeschlagenen Tests und die Dokumentation eines anderen Moduls. Jede Aufgabe braucht einen engen Umfang und ein eindeutig beschriebenes Ergebnis. Codex Cloud stellt ebenfalls für jede Aufgabe einen eigenen Arbeitsbereich bereit; eine vorbereitete Umgebung können mehrere Aufgaben wiederverwenden. Cloud-Aufgaben.

Problematisch wird es bei überlappenden Zuständigkeiten. Ändern zwei Aufgaben dieselben API-Vereinbarungen, können einzeln plausible Änderungen entstehen, die zusammen nicht funktionieren. Getrennte Arbeitsbereiche verhindern, dass Aufgaben versehentlich dieselben Dateien beeinflussen. Sie lösen aber weder unterschiedliche Entwurfsentscheidungen auf, noch garantieren sie ein konfliktfreies Zusammenführen.

Jedes Ergebnis sollte vor dem Zusammenführen geprüft werden. Anschließend müssen die passenden Prüfungen auf dem gemeinsamen Branch laufen. Parallele Arbeit liefert mehr Änderungsvorschläge; sie nimmt niemandem die Aufgabe ab, daraus ein stimmiges Ganzes zu machen.

In welchen Tarifen ist Codex enthalten, und welche Limits gelten?

Plus, Pro und Business enthalten Codex bereits. Das bedeutet aber kein unbegrenztes Aufgabenkontingent. OpenAI führt Codex außerdem bei Free, Go, Enterprise und Bildungsangeboten auf. Free und Go bieten eingeschränkten Zugang. Für Codex Cloud ist der Kreis enger: zugangsberechtigte Plus-Konten, alle Pro-Stufen sowie Business, Enterprise, Healthcare und Education, abhängig vom Rollout und den Einstellungen des Arbeitsbereichs. Free und Go enthalten Codex Cloud nicht. OpenAIs Übersicht zum Tarifzugang.

Codex mit ChatGPT Plus und anderen Abos: Das richtige Konto zählt

Die Anmeldung über Sign in with ChatGPT nutzt das vorhandene Abonnement. Bei Verwendung eines eigenen API-Schlüssels erfolgt stattdessen die API-Abrechnung. In einem verwalteten Arbeitsbereich muss geprüft werden, ob Codex Local und Codex Cloud für die eigene Rolle freigeschaltet sind. Dafür gibt es getrennte Einstellungen. OpenAIs Hinweise zu Konten und Arbeitsbereichen.

OpenAIs Preisseite beschreibt Plus mit einem erweiterten Codex-Nutzungsumfang und Pro mit Unterstützung für längere Sitzungen. Die dortige Aussage zu unbegrenzten alltäglichen Textchats verspricht keine unbegrenzte Arbeit mit Programmieragenten. Die vollständige Tarifübersicht steht im ChatGPT-Preisvergleich.

Bei Codex hängt der Verbrauch vom gewählten Modell, der Aufgabenkomplexität, dem Kontext, dem Denkaufwand, der Geschwindigkeit, den Werkzeugen und der Ausführungsumgebung ab. In entsprechenden Tarifen können sich Work und weitere berechtigte Agentenfunktionen dasselbe Kontingent oder Guthaben teilen. In den Einstellungen oder der Nutzungsübersicht lassen sich Kontingent, Guthaben und Rücksetzzeitpunkt prüfen; in der CLI dient dazu /status. Berechtigte Plus- und Pro-Nutzer können zusätzliche Credits kaufen. Hinweise zur Codex-Nutzung.

Für den normalen Chat gelten eigene Modell- und Werkzeuglimits. Die Verfügbarkeit von Thinking und das Verhalten beim Ausweichen auf andere Modelle hängen von Tarif und Modell ab. Ein Pro-Abonnement bedeutet auch keine unbegrenzte Nutzung des Pro-Modells. Modelllimits im Chat.

Für die Praxis heißt das: zuerst den passenden Arbeitsablauf wählen und dann das tatsächlich verfügbare Kontingent beobachten. Eine kurze Erklärung und eine Repository-Aufgabe mit wiederholten Testläufen verursachen unterschiedliche Arbeit. Eine feste Zusage von „Fehlerbehebungen pro Tag“ würde diesen Unterschied verschleiern.

Welche Modelle verwenden Codex und ChatGPT?

Keines der beiden Produkte ist an ein einziges Modell gebunden. Und die Modellwahl allein verschafft keinen Zugriff auf Repository-Werkzeuge. Die Verfügbarkeit hängt zudem von Konto, Client, Arbeitsbereichseinstellungen und Rollout ab.

Im normalen ChatGPT dokumentiert OpenAI für berechtigte zahlende Konten eine GPT-6-Auswahl. Dahinter steht GPT-6 Sol für die verfügbaren Denkstufen von Instant bis Extra High. Die Aufwandsstufe Pro nutzt GPT-6 Pro, das auf GPT-6 Astra basiert. GPT-5.6 Sol und GPT-5.6 Sol Pro bleiben bei entsprechender Berechtigung auswählbar. Das sind die Bezeichnungen und Einstellungen im Chat. ChatGPT-Modelldokumentation.

Für Codex führt die aktuelle Dokumentation GPT-6.1 Sol, GPT-6 Astra, GPT-6 Sol und GPT-6 Luna auf; während des Rollouts außerdem GPT-5.6 Sol, GPT-5.6 Terra und GPT-5.6 Luna. Sie empfiehlt GPT-6.1 Sol für komplexe Programmieraufgaben, sofern verfügbar, und Luna für eng umrissene Aufgaben. In der CLI werden Modell und Denkaufwand über /model ausgewählt. Die Voreinstellung hängt von Clientversion und Konfiguration ab. Codex-Modelldokumentation.

Die Namen können den Unterschied verdecken: Hinter GPT-6 im Chat kann Sol stehen, während Codex ausdrücklich benannte Sol-Modelle als Agentenmodelle zur Auswahl anbietet. GPT-6.1 Sol ist eine Option für Work und Codex, getrennt von der GPT-6-Auswahl im normalen Chat. Dasselbe Modellmenü steht also nicht automatisch in jeder Ansicht bereit.

Beim Fehlerbeispiel entscheidet der Zugriff auf die Implementierung und ihre Tests. Auch ein leistungsfähigeres Modell im Gespräch braucht geeignete Werkzeuge und eine passende Umgebung, um eine Änderung am Repository vorzunehmen.

Lohnt sich der Wechsel von ChatGPT zu Codex?

Codex ergänzt den Arbeitsablauf, sobald die Umsetzung zum Engpass wird. ChatGPT bleibt sinnvoll für Fragen, die mit dem Verständnis der Antwort erledigt sind. Dafür müssen weder alle Unterhaltungen umziehen, noch muss ein Assistent aufgegeben werden, der bereits einen Teil der Arbeit gut unterstützt.

Der Einrichtungsaufwand lässt sich klar benennen: Projekt auswählen, Abhängigkeiten einrichten, Testbefehl ermitteln und festlegen, welche Zugriffsrechte die Aufgabe braucht. Für Cloud-Aufgaben muss die Umgebung vor der Delegation vorbereitet werden. Erst diese Schritte machen aus „Behebe den Fehler“ einen überprüfbaren Auftrag.

Der Verlauf in Codex ist vom ChatGPT-Verlauf getrennt. Wichtige Entscheidungen gehören deshalb in eine knappe Aufgabenbeschreibung: erwartetes Verhalten, Rahmenbedingungen, relevante Dateien und Abnahmekriterien. Eine frühere Diskussion steht in einer anderen Ansicht nicht automatisch zur Verfügung. OpenAIs Hinweise zu Verlauf und Arbeitsmodi.

Dauerhaft wichtiges Wissen gehört ins Repository: der Test, die Erklärung des Verhaltens und die geprüfte Änderung. Damit erhalten andere Entwickler oder Werkzeuge einen brauchbaren Ausgangspunkt, ohne auf ein bestimmtes Chatprotokoll angewiesen zu sein.

Der Wechsel einer Aufgabe zu Codex ist noch nicht sinnvoll, wenn erst geklärt werden muss, was die Software tun soll, keine brauchbare Projektumgebung bereitsteht oder sich das Ergebnis nicht beurteilen lässt. Zunächst muss das gewünschte Verhalten feststehen. Für den Vergleich mit einem anderen Programmieragenten statt mit dem normalen Chat gibt es Codex vs Claude Code.

Bei der nächsten Fehlerbehebung sollten fehlerauslösende Eingabe und erwartete Ausgabe festgehalten werden, bevor eines der Tools geöffnet wird. ChatGPT passt, wenn die Erklärung die Aufgabe abschließt. Codex passt, wenn als Nächstes Projektdateien gefunden, geändert und geprüft werden müssen.

Häufige Fragen

Die Checkliste zur Einrichtung von Claude Code und Codex hilft dabei, die erste Aufgabe nach einem wiederholbaren Ablauf vorzubereiten.