Codex hat Claude Code endlich übertroffen, musste aber einen schweren Preis dafür zahlen.

Sam Altman von OpenAI hat kürzlich an einem Interview teilgenommen.

In dem Interview nannte er die Entscheidung von OpenAI, Claude Code einzuholen, eine „Kamikaze-Mission“.

Die Wahl dieses Begriffs hat seine Gründe. Das Wesen der Kamikaze-Mission war nie Mut, sondern das Handeln ohne Rücksicht auf Kosten.

Um das Codierprodukt Codex auf den Stand von Claude Code zu bringen, hat OpenAI im letzten halben Jahr das Videogenerierungstool Sora stillgelegt, den eigenständigen Browser Atlas eingestellt, die interne Codier-Rechenleistung verhundertfacht und ein System von nahezu unbegrenzten Nutzerzuschüssen geduldet.

Der Moderator fragte Altman: Wäre Sora nicht erfolgreich geworden? „Nein, es wäre sehr erfolgreich gewesen“, sagte er, „es ist einfach wichtiger, mehr Rechenleistung und Energie in den Codier-Agenten zu stecken.“

Das Ergebnis dieser Kamikaze-Mission ist für alle sichtbar. Im Juli dieses Jahres hat die kombinierte wöchentliche aktive Nutzerzahl von Codex und ChatGPT Work 10 Millionen überschritten. Diese Aufholjagd dauerte nur ein halbes Jahr. Wie hat OpenAI das geschafft?

Ein Krieg, der eigentlich nicht hätte geführt werden sollen

Zu Beginn dieses Jahres, wenn man einen beliebigen Entwickler anhielt und fragte „Hast du schon mal Codex benutzt?“, bekam man höchstwahrscheinlich die Gegenfrage: „Was ist Codex?“

Dafür kann man niemanden verantwortlich machen.

Eine globale Umfrage von JetBrains im Januar dieses Jahres zeigte, dass nur 3 % der Entwickler Codex bei der Arbeit verwendet haben, und weniger als 30 % der Befragten den Namen überhaupt schon gehört hatten.

Im selben Zeitraum erreichte Claude Code sechs Monate nach seiner Markteinführung einen Jahresumsatz von 1 Milliarde US-Dollar. Bis Februar überschritt dieser Wert sogar 2,5 Milliarden.

Nach Schätzungen des etablierten Silicon-Valley-Venture-Capital-Unternehmens Menlo Ventures zu den Ausgaben von US-Unternehmen für generative KI nahm Anthropic 54 % des Anteils auf dem Codier-Markt ein, während OpenAI nur 21 % erreichte.

Bei einem so großen Abstand war Claude Code nicht mehr nur ein Produkt, sondern fast zu einer Arbeitsgewohnheit geworden. Es liest direkt Code-Repositories im Terminal, ändert Dateien, führt Tests aus, behebt Fehler selbst und macht danach weiter. Entwickler erkannten zum ersten Mal, dass sie ganze Arbeitsabläufe dem Modell überlassen können, statt Zeile für Zeile Fragen zu stellen und Codeabschnitte Stück für Stück einzufügen.

Ironischerweise war OpenAI selbst das erste Unternehmen, das sich mit KI-Codierung befasst hat. Die erste Generation von Codex, die 2021 veröffentlicht wurde, unterstützte GitHub Copilot, aber die Vorstellungskraft dieser Produktgeneration blieb bei der Code-Vervollständigung stehen. Damals war OpenAI überzeugt, dass Copilot das Endzustand sei. Diese Fehleinschätzung verspielte den Vorsprung, der ihnen eigentlich zugestanden hätte. Claude Code kam später auf den Markt, aber es verstand genau, was Entwickler wollten – sie begnügten sich nicht mehr damit, dass KI ihnen beim Vervollständigen von Code hilft, sie wollten einen Agenten, der unabhängig arbeiten kann.

OpenAI hat sich nicht unbemüht verhalten. Im April 2025 wurde Codex CLI veröffentlicht, im Mai ging der cloudbasierte Codier-Agent online, im September wurde GPT-5-Codex vorgestellt, das speziell für agentisches Codieren entwickelt wurde, und im Oktober wurde Codex offiziell zu einem vollständigen eigenständigen Produkt. Obwohl es viele Maßnahmen gab, blieb es bei Entwicklern immer nur „eine weitere Option, die man ausprobieren kann“ – das Standardwerkzeug war nach wie vor Claude Code.

Laut Interviews von WIRED mit mehr als 30 beteiligten Personen betrug die Nutzerzahl von Codex bis September 2025 nur etwa 5 % der von Claude Code. Die Zahl war nicht das größte Problem. Die eigentliche Schwierigkeit bestand darin, Entwickler zu überzeugen, die Claude Code bereits in ihre tägliche Arbeitsroutine integriert hatten, zu einem anderen Werkzeug zu wechseln.

Mit aller Härte die überflüssigen Projekte aufgeben

Wenn KI-Codierung nur ein normaler Markt mit schnellem Wachstum wäre, hätte OpenAI vielleicht das Loslassen akzeptiert. Sie hatten ChatGPT, Bildgenerierung, Browser und eine Menge weiterer Geschichten, die sie erzählen konnten. Aber Altman gab im Interview einen Grund an, warum sie nicht loslassen können: RSI, rekursive Selbstverbesserung.

Der Codier-Agent kann Software für Kunden schreiben, das ist sein Wert als Handelsware. Aber er kann noch etwas anderes tun: An der Schulung des nächsten Modells teilnehmen. Er prüft Trainingscode, analysiert fehlgeschlagene Experimente, repariert die Infrastruktur, stellt neue Versionen bereit und bringt Verbesserungen in die nächste Runde der Forschung und Entwicklung ein. Ein leistungsstarker Codier-Agent ist sowohl ein Produkt, das an Kunden verkauft wird, als auch ein Werkzeug zur Herstellung des nächsten Produktgenerats.

„Das passiert so schnell und ist so wichtig“, sagte Altman, „wir können es uns nicht leisten, zu verlieren.“

OpenAI hat sogar einen speziellen „RSI-Index“ entwickelt, um die Fähigkeit des Modells zur Teilnahme an seiner eigenen Iteration zu quantifizieren, der vier Dimensionen abdeckt: Fehlerbehebung, Optimierung auf unterer Ebene, Verbesserung von Vortrainingsverfahren und Optimierung von Nachbearbeitungsabläufen. Von GPT-5.5 bis 5.6 stieg dieser Index von 41,7 auf 57,9.

Im Dezember 2025 kam der Wendepunkt. Altman erklärte intern den „Code-Red“-Zustand und forderte das Unternehmen auf, Projekte wie Werbung, Einkauf und persönliche Assistenten zu verschieben, um Ressourcen auf die Geschwindigkeit, Zuverlässigkeit und Qualität der Kernprodukte zu konzentrieren.

Was danach passierte, zeigte die Entschlossenheit von OpenAI deutlicher als jedes interne Memorandum.

Im März dieses Jahres wurde Sora stillgelegt. Drei Monate zuvor hatte Disney gerade eine Kooperation mit OpenAI vereinbart, um mehr als 200 klassische Charaktere für Sora zu lizenzieren, verbunden mit einer Investition von 1 Milliarde US-Dollar. Mit der Stilllegung von Sora kam diese noch nicht vollständig umgesetzte Kooperation zum Erliegen.

Im Juli wurde der erst neun Monate alte eigenständige Browser Atlas eingestellt. Die Fähigkeiten des Browser-Agenten wurden in ChatGPT und Codex integriert, aber Atlas als Produkt verschwand vollständig.

Altman beschrieb dies als die übliche Vorgehensweise von OpenAI: „Wenn etwas wirklich funktioniert, töten wir andere gute Dinge, damit das beste Ding schneller wachsen kann.“ Als GPT-3 erfolgreich war, stellte das Unternehmen direkt das Robotik-Geschäft ein. Dieses Mal, wenn der Codier-Agent funktioniert, werden Sora und Atlas zu den „guten Dingen“, die eingestellt werden.

Neben dem Einstellen von Produkten hat OpenAI auch massiv Ressourcen für Codex bereitgestellt. Das Unternehmen gab bekannt, dass von Anfang 2026 bis Juli der Anteil der internen Rechenleistung für Codier-Inferenz um das 100-fache gestiegen ist, und die Anzahl der Tokens, die von internen Agentenaufgaben verbraucht werden, um etwa das 22-fache zugenommen hat.

Darüber hinaus wurde der ehemalige Leiter des Codex-Produkts Tibo zum Leiter der Abteilung „Kernprodukte und Plattformen“ von OpenAI befördert, sodass Codex, ChatGPT und APIs alle unter seine Zuständigkeit fallen (ja, genau derjenige, der ab und zu auf X ankündigt, dass er euer Nutzungslimit zurücksetzt). Am 9. Juli übergab OpenAI den größten Produkteinstieg direkt an Codex: Es wurde in seiner Produktform in die ChatGPT-Anwendung integriert.

Die Aufholjagd von Codex beruhte nicht nur auf den Bemühungen des Modellteams. OpenAI hat tatsächlich das Schicksal des gesamten Unternehmens auf dieses Produkt gesetzt.

Geschwindigkeit ist eine Waffe

Mit so vielen eingesetzten Ressourcen gelang Codex die Aufholjagd schließlich auf unerwartete Weise. Es wurde kein Modell geschaffen, das Claude in jeder Dimension übertrifft. Was ihm letztendlich den Markteintritt ermöglichte, war ein scheinbar nicht entscheidender Vorteil: Geschwindigkeit.

Stell dir vor, du bist ein Software-Ingenieur, dessen tägliche Arbeit darin besteht, Tests zu ergänzen, Schnittstellen zu ändern und Randbedingungen zu beheben. Du hast zwei Optionen: Claude Code, das leistungsstärker ist, aber doppelt so langsam arbeitet, und Codex, dessen Fähigkeiten ausreichen und das Aufgaben in der halben Zeit erledigt. Welches wählst du?

Die neueste Bewertung von Codier-Agenten durch Artificial Analysis ergab ein aufschlussreiches Ergebnis: Die Gesamtpunktzahl der Top-Konfigurationen von Claude und Codex liegt bei jeweils 67, sie sind gleichauf. In einzelnen Punkten haben beide ihre Stärken: Codex ist stärker bei der Änderung von Code-Repositories und Terminal-Operationen, während Claude Code besser darin ist, Code-Repositories zu verstehen und Fragen zu beantworten. Was den Unterschied wirklich ausmacht, ist die Zeit: Claude Code braucht durchschnittlich 23,6 Minuten für eine Aufgabe, Codex nur 10,2 Minuten.

Ein weiteres Team einer cloudbasierten Codier-Plattform hat Tests mit seinem eigenen Code-Repository durchgeführt und kam zu einem ähnlichen Ergebnis: Der von Claude Fable 5 und Opus 4.8 geschriebene Code hat eine höhere Qualität, aber GPT-5.6 arbeitet fünfmal schneller. Schließlich legten sie GPT-5.6 Sol als ihr tägliches Hauptwerkzeug fest und nutzen Claude Code nur, wenn sie die Code-Qualität prüfen.

Warum ist GPT-5.6 Sol so viel schneller? Dieselben Bewertungsdaten geben Hinweise darauf. Für dieselbe Aufgabe interagiert Claude Code durchschnittlich 153 Runden mit dem Modell, Codex nur 114 Runden; ersterer verbraucht durchschnittlich 21,8 Millionen Tokens, letzterer 13,2 Millionen.

Die Erklärung von OpenAI lautet, dass GPT-5.6 darauf trainiert wurde, jedes Token für nützliche Zwecke zu nutzen. Bei aufgabendichten Aufgaben neigt es dazu, selbst Code zu schreiben, um Zwischenergebnisse zu verarbeiten und den nächsten Schritt zu bestimmen, statt nach jeder Rückgabe eines Werkzeugs alle Informationen erneut in das Modell einzuspeisen, um eine Entscheidung zu treffen. Für dieselbe Aufgabe werden weniger Tokens und weniger Interaktionsrunden benötigt.

Einfach ausgedrückt: GPT-5.6 Sol ist nicht nur deshalb schnell, weil es schnell läuft, sondern vor allem weil es selbst Abkürzungen nimmt.

Das traf genau den Kern, mit dem Codex Nutzer von Claude Code abwerben konnte. Die echte Softwareentwicklung besteht nicht nur aus großen Projekten wie dem Umwerfen von Architekturen oder dem Neuschreiben von Code von Grund auf. Meistens geht es darum, eine Reihe von Tests zu ergänzen, eine Schnittstelle zu ändern oder eine Randbedingung zu beheben. Bei diesen alltäglichen Aufgaben ist es Entwicklern wichtig, dass das Werkzeug die Arbeit so schnell wie möglich erledigt, statt jedes Mal darauf zu warten, dass das stärkste Modell langsam ein durchdachtes, perfektes Ergebnis liefert.

Nachdem der Geschwindigkeitsvorteil entstanden war, verstärkte die Vertriebskapazität von OpenAI diesen Effekt. Codex wurde direkt in die bestehenden Tarife von ChatGPT integriert: Kostenlose Nutzer können es mit Nutzungslimits testen, zahlende Nutzer erhalten einfach höhere Limits. Die Hürde, Codex auszuprobieren, ist fast nicht vorhanden.

Der Effekt war sofort sichtbar. Daten, die WIRED erhalten hat, zeigen, dass die Nutzerzahl von Codex im September 2025 noch nur 5 % der von Claude Code betrug, aber bis Januar 2026 bereits fast 40 % erreichte. Nach der Einführung der Desktop-Anwendung im Februar beschleunigte sich das Wachstum weiter: Anfang April überschritt die wöchentliche aktive Nutzerzahl 3 Millionen, zwei Wochen später 4 Millionen, und am 14. Juli überstieg sie 7 Millionen.

Letzte Woche erreichte die kombinierte wöchentliche aktive Nutzerzahl von Codex und GPT Work einen neuen Meilenstein: 10 Millionen.

Das war vor einem halben Jahr völlig undenkbar.

Eingeholt – und was dann?

OpenAI hat für diesen Krieg einen hohen Preis gezahlt. Das Verschwinden von Sora und Atlas ist der offensichtlichste Preis, aber bei weitem nicht der gesamte.

Der Preis zeigt sich sogar direkt in den Fähigkeiten von GPT.

Anfang dieses Jahres, als Codex gerade in die Phase der intensiven Aufholjagd eintrat, fragte jemand bei einem Entwicklerforum von OpenAI Altman: Warum ist die Codierleistung der GPT-5-Serie stark, aber die Schreibleistung zurückgegangen? Altman wich der Frage nicht aus: „Ich glaube, wir haben das wirklich vermasselt.“ Der größte Teil der Energie wurde auf Inferenz, Codierung und Ingenieurwesen verwendet, sodass Schreiben und Konversationserfahrung vorübergehend zurückgestellt werden mussten.

Ein Modell kann nicht gleichzeitig in alle Richtungen voranschreiten. Wenn man sich für Codierung entscheidet, bedeutet das, das Schreiben vorübergehend aufzugeben.

Das Schreiben ist ein unsichtbarer Preis. Ein sichtbarer Preis sind zudem die ersta