GPT-5.5 Codex vs Claude Opus 4.7: Benchmarks de agentes de codificação no mundo real

Um usuário do Reddit testou o GPT-5.5 Codex (via Cursor) contra o Claude Opus 4.7 (Claude Code) em duas tarefas de nível de produção. Ambos usaram os mesmos prompts, MCPs (GitHub + Slack) e máquina. Os resultados destacam as diferenças de custo, arquitetura e confiabilidade.

Teste 1: Bot de triagem de PRs

• MCP do GitHub, fórmula de pontuação, alertas no Slack, tentativas e TypeScript estrito (sem any).
• Claude Code: Verificou se o MCP estava acessível antes de escrever código. Criou 36 arquivos em 12 minutos. Escreveu seu próprio teste de smoke com WebSocket (broadcast de 3ms). Zero erros na primeira execução. Custo total: ~$2,50.
• Codex: Falhou — MCP do GitHub inacessível devido a um problema de ambiente do Cursor (não erro do modelo). Não conseguiu completar a tarefa.

Teste 2: Interface de revisão de código em tempo real

• React, WebSockets, rollback otimista, diff virtualizado, reconexão WS.
• Claude Code: Mesma entrega limpa, 36 arquivos, sem erros.
• Codex: Entregou em 28 arquivos (arquitetura mais compacta). Exigiu um patch manual para um loop infinito no React. Custo total: ~$2,04 (18% mais barato que o Claude).

Conclusões: Para trabalhos complexos e pesados em arquitetura, o Opus 4.7 ainda lidera — melhor manipulação de ferramentas, saída sem necessidade de reescrita e validação completa de MCP. O Codex é mais enxuto e barato, adequado para tarefas contidas e bem definidas, onde a entrega rápida é importante e você pode tolerar pequenas correções. O usuário ainda não está migrando, mas agora observa a diferença de preço.