Codex ChatGPT: diferenças e quando usar cada um

Codex ChatGPT: qual escolher para sua tarefa?

Use o Codex quando a resposta precisar virar uma alteração no projeto. Use o ChatGPT quando entender a resposta já for o resultado de que você precisa. Um repositório reúne os arquivos de código-fonte e o histórico que definem sua aplicação. Quando a tarefa depende desse conjunto, das dependências e dos testes, o ambiente de trabalho do Codex passa a ser decisivo.

Para quem desenvolve sozinho, o ChatGPT basta para explicar um erro ou discutir uma função que você consegue examinar por inteiro. Escolha o Codex quando corrigir esse erro exigir localizar os pontos que chamam a função, editar arquivos relacionados e executar as verificações do projeto.

Para um fundador que quer delegar a correção de um bug, o Codex faz sentido quando já é possível descrever o comportamento incorreto e o resultado esperado. A alteração ainda precisa da sua revisão antes de ser publicada. Para um CTO ou profissional experiente responsável pela operação que está avaliando uma abordagem, comece no ChatGPT; passe para o Codex quando houver um repositório e uma tarefa concreta de implementação.

Essas recomendações seguem quatro critérios: quanto contexto a tarefa exige, se precisa alterar arquivos, se exige executar código e o que ainda cabe a você verificar. São avaliações de adequação ao fluxo de trabalho, não posições em um ranking de benchmarks.

Para quem já assina Plus, Pro ou Business, é 1 assinatura com ChatGPT e uso do Codex incluído; veja os detalhes dos planos no guia de preços do Codex e na explicação da OpenAI sobre login e cobrança.

Os recursos acima estão documentados nos guias da OpenAI sobre Codex CLI, worktrees, conexão com o GitHub e blocos de código do ChatGPT.

Como Codex e ChatGPT se organizam nos apps atuais?

O ChatGPT é o assistente de uso mais amplo; o Codex é o fluxo de trabalho voltado ao desenvolvimento de software. Hoje, a OpenAI oferece o Codex em uma área separada dentro do aplicativo do ChatGPT para desktop. O menu também oferece o ChatGPT, com uma opção para alternar entre o Chat comum e o Work. O Work é um agente para tarefas mais longas e entregas, então seria incorreto descrever toda experiência do ChatGPT como uma caixa de texto passiva. O guia da OpenAI sobre essas experiências diferencia as três.

Esta comparação usa o Chat comum como referência. O Work pode usar arquivos e ferramentas, inclusive recursos locais quando houver permissão. Se a tarefa for transformar documentos em um relatório, avalie o Work. Se for alterar uma base de código, escolha o fluxo do Codex voltado a repositórios.

ChatGPT leva vantagem nas explicações e nas dúvidas pequenas e pontuais

O ChatGPT é um assistente de conversa disponível na web e em aplicativos para celular e desktop. Apresente uma função, uma mensagem de erro ou uma decisão de projeto e peça a explicação de que precisa. A OpenAI documenta o acesso pela web, iOS e Android e a experiência no desktop.

Sua utilidade vai além de gerar texto. Blocos de código compatíveis podem ser editados, visualizados e, no caso de código Python compatível, executados em um sandbox, um ambiente isolado para rodar código. A disponibilidade varia conforme o dispositivo, o modelo, o plano e o espaço de trabalho. A documentação da OpenAI sobre blocos de código descreve essas ações.

Para quem está examinando um script desconhecido, isso pode ser suficiente. Pergunte o que ele altera, quais entradas espera receber e quais situações de falha merecem atenção. Dispense a preparação do repositório se o resultado útil for uma explicação que você consegue avaliar diretamente.

A limitação está na escolha do contexto. Uma explicação convincente da função colada na conversa pode ignorar um trecho que a chama com um valor inesperado. Fornecer mais código pode ajudar, mas avaliar se o contexto é suficiente continua sendo sua responsabilidade.

Codex leva vantagem para alterar e verificar um repositório

O OpenAI Codex é um agente de programação capaz de examinar um projeto, editar arquivos e executar comandos. Suas interfaces colocam esse trabalho em ambientes diferentes:

• Codex no aplicativo: selecione Codex no app do ChatGPT para desktop e abra o projeto ou a pasta relevante. É a opção para quem quer uma área dedicada ao trabalho em andamento. A documentação atual do aplicativo explica a interface de desktop.
• Codex CLI: a interface de linha de comando roda no terminal e atua sobre uma pasta de projeto. Escolha essa opção quando as ferramentas necessárias já estiverem no seu ambiente de desenvolvimento local. Documentação da CLI.
• Extensão do Codex para IDE: a extensão para o ambiente de desenvolvimento integrado trabalha junto ao editor, usa arquivos abertos e trechos selecionados e mostra as alterações para revisão. É indicada para colaborar de perto no código que você já está examinando. Documentação da extensão para IDE.
• Codex Cloud: forneça à tarefa um ambiente gerenciado pela OpenAI com os repositórios, as ferramentas e os acessos necessários. As tarefas têm espaços de trabalho separados e podem continuar enquanto seu computador está em modo de suspensão. Você pode revisar as alterações e os resultados dos testes e depois fazer um commit ou abrir um pull request. Documentação do Cloud.

Um pull request é uma proposta de alteração enviada para revisão antes de entrar na base de código compartilhada. Quando você delega a correção de um bug, o resultado útil é essa alteração pronta para ser revisada. Ela deve vir acompanhada dos arquivos afetados, das verificações realizadas e das dúvidas ainda não resolvidas.

O limite do Codex é o ambiente que você oferece. Um teste que depende de um banco de dados indisponível não vai se tornar um teste de integração aprovado só porque o prompt melhorou. Peça ao Codex que diferencie um teste que falhou de um teste que não pôde executar.

Para configurar o desktop, consulte o guia do aplicativo Codex. Para trabalhar na nuvem pelo celular, primeiro prepare e publique o ambiente no desktop ou na web; depois, o celular poderá iniciar ou continuar tarefas nele. A OpenAI documenta essa diferença.

O mesmo bug, corrigido em cada fluxo de trabalho

Os dois fluxos podem chegar à mesma correção de código; a diferença está em quem a aplica e comprova que ela funciona no projeto. Considere uma função auxiliar de listas em JavaScript que devolve a quantidade padrão mesmo quando quem a chama pede zero itens:

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

O comportamento esperado é explícito: 0 significa não retornar nenhum item; null ou um limite omitido significa usar o padrão de 25. O bug está em ||, que trata zero como motivo para usar o valor padrão. A correção é o operador de coalescência nula, ??, que só usa o padrão quando o valor é null ou undefined:

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

Este é um exemplo ilustrativo com resolução, não um teste comparativo registrado entre os produtos. O comportamento original e os casos corrigidos foram verificados localmente para este artigo. Os números são entradas do exemplo, não limites dos produtos.

Como seria a correção com o ChatGPT

Envie ao ChatGPT a função e a regra de comportamento: “Zero deve retornar uma lista vazia. Um limite omitido ou nulo deve retornar a quantidade padrão. Explique o bug e proponha verificações de regressão.” Uma verificação de regressão é um teste que impede o mesmo erro de voltar.

A correção completa com ajuda da conversa é a função acima, acompanhada destas verificações executáveis em um módulo Node.js:

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]);

O que ainda cabe à pessoa: localizar a função usada em produção, aplicar a alteração, inserir as verificações no framework de testes existente, executar a suíte relevante, examinar os pontos que chamam a função e preparar o commit ou pull request. Se outro arquivo transforma um limite ausente em zero, é preciso reavaliar a regra de comportamento local antes de publicar a alteração.

Em um script pequeno que você já conhece, essas etapas restantes podem ser triviais. O ChatGPT leva vantagem quando a parte difícil é entender a explicação e aplicar a correção é simples.

Como usar o Codex para corrigir o mesmo bug

Abra o repositório no Codex e forneça a mesma regra de comportamento, junto com uma condição concreta para considerar a tarefa concluída:

A correção pretendida continua sendo limit ?? 25. O trabalho delegado agora também inclui localizar a implementação, verificar as premissas do código ao redor, editar o arquivo de testes e executar as verificações disponíveis. Essas são capacidades documentadas do Codex para trabalhar com repositórios e comandos, não uma promessa de que esse prompt sempre funciona.

O que ainda cabe à pessoa: decidir se a regra de comportamento está correta, revisar o diff, examinar as evidências dos testes, resolver impedimentos de acesso ou de ambiente e aprovar a alteração pelo processo normal de publicação. Um diff é o registro, linha por linha, do que mudou.

O Codex leva vantagem quando passar da correção à comprovação dentro do projeto exigiria copiar conteúdo repetidamente entre conversa, editor e terminal. Continua com você a avaliação da alteração e de sua prontidão para publicação.

Acesso ao repositório: ler o código é só parte do trabalho

O Codex leva vantagem quando o acesso ao repositório precisa incluir edição e execução. O ChatGPT ainda pode ajudar a investigar código conectado. A conexão da OpenAI com o GitHub busca, sob demanda, o conteúdo dos repositórios aos quais tem permissão; a disponibilidade depende do plano e da interface do produto. A limitação documentada é o acesso somente para leitura, voltado a análise e busca. Conectar o GitHub não dá a esse app permissão para enviar código ou abrir pull requests. O guia da OpenAI sobre o GitHub encaminha esse trabalho ao Codex.

Essa diferença importa para um CTO que quer saber por que um serviço repete requisições que falharam. O ChatGPT pode bastar para encontrar e explicar a lógica das novas tentativas. Alterar essa política e verificar o comportamento afetado é uma tarefa para o Codex.

Tarefas paralelas e pull requests: Codex leva vantagem com escopos bem definidos

Use o Codex para tarefas de programação independentes, cujas alterações possam ser revisadas separadamente. Um worktree é outro checkout de um repositório Git: permite que a tarefa use seus próprios arquivos e compartilhe o histórico do repositório. A OpenAI documenta os worktrees especificamente para trabalhar em paralelo sem interferir no seu checkout local. Worktrees do Codex.

Em uma pequena empresa de software, uma divisão útil poderia separar a correção de um bug específico, a investigação de um teste que falha e a documentação de outro módulo. Dê a cada tarefa um escopo restrito e um resultado esperado claro. Da mesma forma, o Codex Cloud oferece um espaço de trabalho próprio para cada tarefa, permitindo que elas reutilizem um ambiente preparado. Tarefas na nuvem.

O problema decisivo surge quando as responsabilidades se sobrepõem. Duas tarefas que alteram o mesmo contrato de API podem produzir mudanças que fazem sentido isoladamente, mas são incompatíveis quando combinadas. Espaços de trabalho separados evitam interferências acidentais nos mesmos arquivos; não resolvem divergências de projeto nem garantem um merge sem conflitos.

Revise cada resultado antes de juntar as alterações. Depois, execute as verificações adequadas na branch que reúne o trabalho. A execução em paralelo disponibiliza mais propostas; a necessidade de integrá-las de forma coerente permanece.

Quais planos incluem o Codex e como funcionam os limites?

Plus, Pro e Business já incluem o Codex, mas acesso incluído não significa uma cota ilimitada de tarefas. A OpenAI também lista o Codex nos planos Free, Go, Enterprise e nas ofertas para educação. Free e Go têm acesso limitado. O Codex Cloud tem uma lista mais restrita de elegibilidade: contas Plus elegíveis, todas as modalidades do Pro, Business, Enterprise, Healthcare e Education, conforme a liberação do recurso e as configurações do espaço de trabalho; Free e Go não o incluem. Guia da OpenAI sobre acesso por plano.

Codex na assinatura do ChatGPT: entre com a conta certa

Use Entrar com o ChatGPT para consumir o uso incluído na assinatura. Se usar sua própria chave de API, a cobrança seguirá as regras da API. Em um espaço de trabalho gerenciado, confirme se o acesso ao Codex Local e ao Codex Cloud está habilitado para sua função; os controles são separados. Orientações da OpenAI sobre contas e espaços de trabalho.

A página de preços da OpenAI descreve o Plus como um plano com uso ampliado do Codex e o Pro como uma opção para sessões mais longas. A menção a conversas cotidianas por texto sem limite não promete trabalho ilimitado com agentes de programação. Os detalhes de todas as faixas de assinatura estão no guia de preços do ChatGPT do site.

No Codex, o consumo depende do modelo escolhido, da complexidade da tarefa, do contexto, do raciocínio, da velocidade, das ferramentas e do ambiente em que a tarefa roda. Nos planos em que isso se aplica, o Work e outros recursos de agentes elegíveis podem compartilhar a cota ou o saldo de créditos. Consulte as Configurações ou o painel de uso para conferir sua cota, seus créditos e quando o limite será renovado; na CLI, use /status. Usuários elegíveis do Plus e do Pro podem comprar créditos adicionais. Orientações sobre o uso do Codex.

O Chat comum tem seus próprios limites de modelos e ferramentas. A disponibilidade do Thinking e o comportamento de substituição do modelo dependem do plano e do modelo, e uma assinatura Pro não significa uso ilimitado do modelo Pro. Limites dos modelos no Chat.

Na prática, escolha primeiro o fluxo de trabalho e depois acompanhe a cota real. Uma explicação curta e uma tarefa no repositório com testes repetidos são cargas de trabalho diferentes; prometer um número fixo de “bugs por dia” esconderia essa diferença.

Quais modelos Codex e ChatGPT usam?

Nenhum dos produtos se resume a um modelo fixo, e escolher um modelo não dá a ele ferramentas para trabalhar no repositório. A disponibilidade também depende da conta, do cliente usado, das configurações do espaço de trabalho e da liberação do recurso.

No ChatGPT comum, a OpenAI documenta a opção GPT-6 para contas pagas elegíveis, com GPT-6 Sol por trás dos níveis de raciocínio de Instant a Extra High, onde disponíveis. O nível de esforço Pro usa GPT-6 Pro, baseado em GPT-6 Astra. GPT-5.6 Sol e GPT-5.6 Sol Pro continuam como opções nos casos elegíveis. Esses são os nomes e os controles do Chat. Documentação dos modelos do ChatGPT.

Para o Codex, a documentação atual lista GPT-6.1 Sol, GPT-6 Astra, GPT-6 Sol e GPT-6 Luna, junto com GPT-5.6 Sol, GPT-5.6 Terra e GPT-5.6 Luna durante a liberação. A recomendação é usar GPT-6.1 Sol em programação complexa, quando disponível, e Luna em tarefas pontuais. Na CLI, /model seleciona o modelo e o esforço de raciocínio; o padrão depende da versão e da configuração do cliente. Documentação dos modelos do Codex.

Os nomes podem confundir: o GPT-6 do Chat pode usar Sol, enquanto o Codex oferece modelos Sol identificados pelo nome para seleção no agente. O GPT-6.1 Sol é uma opção do Work/Codex, separada da opção GPT-6 do Chat comum. Não presuma que o mesmo menu de modelos estará disponível em todas as experiências.

No exemplo do bug, a capacidade decisiva é ter acesso à implementação e aos testes. Mesmo um modelo mais capaz em uma conversa precisa das ferramentas e do ambiente adequados para produzir uma alteração no repositório.

Vale a pena trocar o ChatGPT pelo Codex?

Acrescente o Codex ao seu fluxo quando a implementação virar o gargalo. Continue usando o ChatGPT para perguntas que se resolvem com uma explicação. Você não precisa transferir todas as conversas nem abandonar um assistente que já atende a parte do seu trabalho.

O custo de preparação é concreto: selecionar o projeto, configurar as dependências, identificar o comando de testes e decidir quais acessos a tarefa exige. Para trabalhar na nuvem, prepare o ambiente antes de delegar o problema. Essas etapas transformam “corrija o bug” em um trabalho que pode ser verificado.

O histórico do Codex é separado do histórico do ChatGPT. Leve as decisões importantes para uma descrição concisa da tarefa: comportamento esperado, restrições, arquivos relevantes e verificações de aceitação. Não presuma que uma discussão anterior estará disponível em outra experiência. Orientações da OpenAI sobre histórico e experiências.

Mantenha o conhecimento duradouro no repositório: o teste, a explicação do comportamento e a alteração revisada. Isso dá a outro desenvolvedor ou ferramenta um ponto de partida útil, sem depender de uma conversa específica.

Ainda não leve a tarefa para o Codex se você está decidindo o que o software deve fazer, não consegue fornecer um ambiente de projeto utilizável ou não tem como avaliar o resultado. Esclareça primeiro o comportamento esperado. Se a comparação for entre Codex e outro agente de programação, em vez de uma conversa comum, consulte Codex vs Claude Code.

No próximo bug, escreva a entrada que causa a falha e a saída esperada antes de abrir qualquer uma das ferramentas. Use o ChatGPT se a explicação concluir o trabalho. Use o Codex se o próximo passo for localizar, alterar e verificar arquivos do projeto.

Perguntas frequentes

Receba o checklist de configuração do Claude Code e do Codex para repetir a preparação da primeira tarefa com consistência.