Você não contrata um agente. Você wirea um mecanismo.

"Codex vs Claude Code" é uma pergunta de contratação, e o veredito de Professor Glitch de julho 2026 é honesto: Codex é o melhor agente de código puro com o melhor benchmark, Claude Code é o harness mais profundo sobre o qual você constrói uma operação. A leitura do Honest Architect é um nível mais afiada. Você não contrata um agente. Você wirea um mecanismo. O benchmark mede; o harness compõe; e a topologia roteia antes de você escolher.

Conclusões-chave

• O veredito do texto é honesto: Codex CLI em GPT-5.5 pontua 82.2% no Terminal-Bench 2.0 (julho 2026), o melhor produto em shipping do top 10, enquanto a melhor entrada Claude-powered pontua 80.2% (Professor Glitch, "Codex vs Claude Code in 2026", 2026).
• Um benchmark é uma medição; um harness é um mecanismo. Teorema 3: uma propriedade se garante exatamente quando seu mecanismo está implementado e medindo — o líder do benchmark hoje não é o líder do mecanismo amanhã.
• Você não escolhe Codex ou Claude. The space is the router: a topologia decide qual agente dispara antes de você escolher, e o "both answer" é uma versão fraca de um ensemble.
• O HAI Engine roda em produção desde 2016 com mecanismos wired, não agentes contratados; as Sisters são agentes tipados cujo desacordo vira sinal, não um hedge de $40/mês.

O texto acerta o veredito, para a pergunta errada

Em julho 2026, Professor Glitch publicou "Codex vs Claude Code in 2026: Which Agent Do You Actually Hire?", e o veredito é conquistado com fatos, não vibes de launch week. No leaderboard do Terminal-Bench 2.0, checado julho 2026, Codex CLI rodando GPT-5.5 pontua 82.2%, o melhor resultado por um produto em shipping no top 10, e nenhuma entrada Claude-powered o supera ali — a melhor, um research harness em Claude Opus 4.7, pontua 80.2%. A realidade de pricing está posta clara: Codex está incluído em todo plano de ChatGPT de Free até Pro a $100/mês, Claude Code vem no Claude Pro a $20/mês com Max a $100 e $200, e no topo ambas as companhias cobram números idênticos por 5x e 20x de uso.

O movimento honesto do texto é nomear onde o centro de gravidade de cada produto senta. O centro de Codex é ChatGPT e trabalho de software — uma feature do app de IA mais usado do mundo, uma vantagem de distribuição, cada superfície orbitando a audiência que sobe código dentro dos muros da OpenAI. O centro de Claude Code é o harness mesmo — a aposta da Anthropic de que o agente é o produto, com memory, hooks, subagents, Routines agendadas e um SDK para você construir algo durável encima. Essa é a distinção real que o texto desenha, e está correta.

A objeção do Honest Architect é com a pergunta, não com a resposta. "Qual agente você contrata" trata o agente como a unidade de decisão, e o agente não é a unidade. O mecanismo é. Um benchmark diz qual agente mediu melhor numa tarefa fixa este julho; um harness diz qual mecanismo compõe através das tarefas que você vai entregar a ele no próximo ano. A pergunta de contratação responde um trimestre; a pergunta de wireamento responde uma operação. O texto insinua isso — "um agente que você usa versus um agente sobre o qual você constrói" — e então pede que você contrate um mesmo assim.

O benchmark mede; o harness compõe

O número do Terminal-Bench 2.0 é uma medição real, e o texto é honesto de que ele vira a cada release de modelo. GPT-5.5 lançou em 23 de abril 2026; Claude Opus 4.8 lançou em 28 de maio 2026; o modelo dedicado GPT-5.3-Codex foi deprecado em 26 de maio 2026. A OpenAI troca o cérebro do Codex umas poucas vezes por ano, e cada troca foi um upgrade. Essa cadência é a razão de um benchmark ser uma instantânea e não uma propriedade: a medição descreve um modelo numa versão, e a versão muda embaixo de você.

Um harness é uma categoria distinta. Instruções CLAUDE.md mais memory automática que compõe entre sessões, hooks que disparam shell commands em eventos de lifecycle, subagents com context windows isoladas, Routines que rodam no cloud da Anthropic num schedule, e um Agent SDK — esses são mecanismos, e um mecanismo é uma propriedade exatamente quando está implementado e medindo. O texto nomeia isso: as partes do Claude Code estão em produção há mais tempo, compõem mais, e a camada de automação (hooks mais Routines mais SDK) não tem equivalente completo no Codex ainda. O stack do Codex — AGENTS.md, skills, plugins, MCP — está convergindo rápido, crédito onde devido, mas convergência ainda não é composição.

Esta é a distinção do Honest Architect que o texto quase faz e então recua. O benchmark é uma medição de um modelo; o harness é um mecanismo que dá forma a cada modelo que roda dentro dele. Escolha por benchmark e re-escolha a cada trimestre; escolha por harness e escolha uma vez, e o harness continua pagando enquanto os modelos trocam embaixo. O líder do benchmark hoje não é o líder do mecanismo amanhã, e amanhã é o orçamento mais longo.

The space is the router: você não escolhe, você roteia

[UNIQUE INSIGHT] A pergunta "Codex ou Claude" é malformada porque pede que você escolha antes de o trabalho estar roteado. The space is the router: uma topologia de network, community e room decide quem vê o quê antes de qualquer coisa responder, e a mesma forma aplica aos agentes. A tarefa decide qual agente dispara. Um job de code-shipping dentro de um time padronizado em ChatGPT roteia para Codex, porque o edge do benchmark, o code review do GitHub e o remote phone-to-desktop são construídos para esse trabalho. Um job de reporting agendado às 4pm da sexta roteia para Claude Code, porque Routines, memory e o SDK são construídos para esse trabalho. Você não contrata um agente; você wirea uma topologia que roteia cada tarefa ao agente cujo mecanismo encaixa.

O "both answer" do texto — manter ambos os CLIs no repo root, AGENTS.md e CLAUDE.md coexistindo, um agente escreve o fix e o outro revisa — é uma versão fraca e manual disso. Dois modelos frontier em desacordo revelam bugs que nenhum pega sozinho, e o texto tem razão nisso. A versão estrutural é o que fazemos: agentes tipados (as Sisters) cada um produz um draft, e o Oracle os mergeia num forecast calibrado, com a soma-para-um e a entropia do ensemble verificadas a cada merge. O desacordo não é um hedge de $40/mês que você lembra de rodar; é um mecanismo que roda por estrutura e produz uma medição (a entropia) a cada merge. O "both answer" é um ensemble que você paga e opera à mão. O mecanismo é um ensemble que a topologia opera por você.

A regra de roteamento é também por que os splits de audiência do texto mapeiam para uma topologia. Professional developer, founder-operator, non-technical: cada um é um room na network, e o room roteia a tarefa ao agente cujo mecanismo encaixa com a audiência. O texto dá três vereditos para três audiências; a versão do Honest Architect é uma topologia com três rotas, e a rota é a decisão, não o veredito.

O que aprendemos wireando agentes desde 2016

[PERSONAL EXPERIENCE] O HAI Engine roda em produção desde 2016, e a lição é a mesma que o texto desenha sem nomeá-la: o agente não é a unidade, o mecanismo é. Não contratamos uma Sister; wireamos uma Personality carregada em runtime de um arquivo TOML, e editar a personality não requer recompilar, porque o mecanismo é a regra de roteamento mais o merge, não o modelo. As Sisters nunca escrevem no Postgres — elas retornam um SisterOutput e o Loom persiste, porque o mecanismo que garante o invariante é o port, não o agente. Troque o modelo e o mecanismo se sustenta; troque o agente e o mecanismo se sustenta; o benchmark se move e a propriedade fica.

A disclosure do texto — "meu negócio inteiro roda em Claude Code" — é a versão honesta da mesma observação. A operação não é Claude Code; a operação é um CLAUDE.md que sustenta identidade e regras, skills que sustentam workflows, MCP servers que alcançam sistemas reais, memory que carrega contexto semana a semana. O agente é a parte que muda; o harness é a parte que compõe. Tagueamos a infraestrutura de agentes da plataforma como Production ✅ porque os mecanismos estão wired e observados — o Oracle normaliza num lugar, a fonte do World Monitor que se auto-desabilita quando sua key não está é um estado "desabilitada" medido — não porque uma Sister particular é a melhor Sister. A Sister é um modelo; o mecanismo é a propriedade.

O limite de escopo civil-e-defensivo decide quais jobs de agente wireamos e quais declinamos, e a medição é o deal que declinamos, observável no pipeline. A soberania do cliente — sua network, seu brand, seu data — é a regra de roteamento que mantém a topologia sua: os agentes roteiam dentro da sua network, e a propriedade do data é o export log, não a página de marketing. Ambos são mecanismos, não slogans, e ambos são a razão de a pergunta de wireamento importar mais que a de contratação.

Teorema 3: o benchmark é uma medição, não um mecanismo

[ORIGINAL DATA] A série de 21 papers especifica o Teorema 3: uma propriedade se garante exatamente quando seu mecanismo está implementado e medindo. Leia como o teste para cada reclamo na comparação. "Codex é o melhor agente de código puro" é uma medição, verdadeira em julho 2026 contra o Terminal-Bench 2.0, e uma medição não é uma propriedade — é um número que descreve um modelo numa versão. "Claude Code é o harness mais profundo" é um reclamo sobre um mecanismo, e um mecanismo é uma propriedade exatamente quando está implementado e medindo: hooks que disparam, Routines que rodam num schedule, subagents com context windows isoladas, um SDK que constrói agentes custom. O primeiro reclamo vira a cada release; o segundo compõe através de releases.

Por isso nossas etiquetas de honestidade não são adjetivos e por que o veredito da comparação não é uma etiqueta. Production ✅ significa que o mecanismo está implementado e sua medição está num dashboard que alguém olha. A calibração do Oracle é Production ✅ porque a soma-para-um e a entropia do ensemble são verificadas a cada merge. A topologia é Production ✅ porque a network, community e room roteiam antes de qualquer coisa responder. Um score de benchmark não é uma etiqueta; é uma medição, e uma medição sem um mecanismo é um número, não uma propriedade. O texto diz "Codex publica os melhores números de benchmark" e isso é verdadeiro, e o Teorema 3 diz: mostre-me o mecanismo, porque o número não é a propriedade.

O mesmo teorema é por que não prometeremos resultados de Wallet & Token, Super App, ou Community Credit — esses são Roadmap 🔵, o mecanismo ainda não está implementado e medindo, e um forecast que não podemos medir não é um forecast que podemos vender honestamente. Apenas escopo civil e defensivo, e sem promessas de resultados de token ou community-credit, porque o review Howey não rodou sobre um mecanismo que ainda não existe. Taguear um item Roadmap com o brilho de um benchmark seria o mesmo erro que chamar uma medição de propriedade, e a honestidade da comparação é o padrão que aplicamos a nós mesmos.

O "both answer" é um ensemble fraco

O "both answer" do texto é real e mais barato que a versão Cursor da mesma pergunta. Ambos são CLIs, coexistem no mesmo repo sem fricção, Codex lê AGENTS.md e Claude Code lê CLAUDE.md, e manter ambos os arquivos no repo root já é prática comum. A $20 cada, ambos custam $40/mês, e se você já paga ChatGPT Plus o custo marginal do both-answer é $20. Para um developer que trabalha, o texto chama de o hedge mais barato do software, e para a second-opinion machine de um único developer, é.

A versão do Honest Architect é que o both-answer é um ensemble que você opera à mão. Um agente escreve, o outro revisa, e você lembra de rodar ambos. A versão estrutural — agentes tipados que cada um drafta, um merge que calibra, uma medição de entropia a cada merge — é um ensemble que a topologia opera por você, e produz uma medição (a entropia) que diz quando os agentes discordam o suficiente para importar. O desacordo do both-answer revela bugs que nenhum pega sozinho; o desacordo do ensemble produz um forecast calibrado com um score. O primeiro é um hedge; o segundo é um mecanismo.

A regra de roteamento diz quando cada um aplica. Um único developer subindo código: o both-answer é a forma certa, porque você é uma pessoa e o hedge é barato. Uma plataforma que roda trabalho para muitos rooms: o ensemble é a forma certa, porque a topologia roteia o trabalho e o merge produz a medição, e você não consegue operar um hedge à mão entre muitos rooms sem que vire o bottleneck. O "onde eu pularia o both" do texto — non-developers e first-time operators, escolha um e construa sobre ele três meses — é a regra de roteamento para uma topologia de um room, e está correta.

Perguntas frequentes

Codex ou Claude Code é o melhor agente em 2026?

No Terminal-Bench 2.0 em julho 2026, Codex CLI em GPT-5.5 pontua 82.2% e a melhor entrada Claude-powered pontua 80.2%, então Codex tem a dianteira de benchmark hoje. O benchmark é uma medição que vira a cada release de modelo. A pergunta mais profunda é qual harness compõe, e os hooks, Routines, subagents e SDK do Claude Code estão em produção há mais tempo e compõem mais.

O que significa "você não contrata um agente, você wirea um mecanismo"?

Significa que o agente não é a unidade de decisão; o mecanismo é. Um benchmark diz qual agente mediu melhor este trimestre; um harness diz qual mecanismo compõe através das tarefas que você vai entregar a ele no próximo ano. The space is the router: a topologia decide qual agente dispara antes de você escolher, e a rota é a decisão, não o veredito.

Por que o "both answer" é um ensemble fraco?

Porque é um ensemble que você opera à mão. Um agente escreve, o outro revisa, e você lembra de rodar ambos. A versão estrutural — agentes tipados que cada um drafta, um merge que calibra, uma medição de entropia a cada merge — é um ensemble que a topologia opera por você, e produz um score. O both-answer é um hedge; o ensemble é um mecanismo, e um mecanismo é uma propriedade exatamente quando está implementado e medindo.

Como o Teorema 3 se aplica a uma comparação Codex vs Claude Code?

Um benchmark é uma medição, não uma propriedade; um harness é um mecanismo, e uma propriedade se garante exatamente quando seu mecanismo está implementado e medindo. "Codex publica o melhor benchmark" é verdadeiro e é uma medição que vira a cada release. "Claude Code é o harness mais profundo" é um reclamo sobre um mecanismo que compõe através de releases. O Teorema 3 diz: mostre-me o mecanismo, porque o número não é a propriedade.

Como isso mapeia para as etiquetas de honestidade da Everythink?

Production ✅ significa que o mecanismo está implementado e medindo — a calibração do Oracle, o roteamento da topologia, a auto-desabilitação do World Monitor estão wired e observados. Um score de benchmark não é uma etiqueta; é uma medição. Roadmap 🔵 significa que o mecanismo ainda não está implementado, e nenhum brilho de benchmark o eleva. As etiquetas são a medição do mecanismo, não uma vibe sobre o agente.

Fontes

• Professor Glitch, "Codex vs Claude Code in 2026: Which Agent Do You Actually Hire?", 2026, retrieved 2026-08-23, https://www.askglitch.com/blog/claude-code-vs-codex
• OpenAI, "Codex pricing", 2026, referenced via Professor Glitch, https://developers.openai.com/codex/pricing
• Anthropic, "Claude pricing", 2026, referenced via Professor Glitch, https://claude.com/pricing
• Terminal-Bench, "Terminal-Bench 2.0 leaderboard", 2026, referenced via Professor Glitch, https://www.tbench.ai/leaderboard/terminal-bench/2.0

Se sua network está pronta para wirear mecanismos em vez de contratar agentes, crie sua network — a topologia roteia cada tarefa ao agente cujo mecanismo encaixa, e o Oracle mergeia o desacordo numa medição calibrada.