Codex — 자율 cloud sandbox · leejk

TL;DR. Codex의 자리는 멀티 surface + 자율 cloud sandbox + 토큰 효율. CLI·IDE 확장·cloud·ChatGPT desktop이 같은 task 상태를 공유하고, cloud Codex는 multi-hour 자율로 PR까지 닫는다. SWE-bench Verified 88.7%·Terminal-Bench 2.0 82.7% 일부 벤치에서 Claude를 앞서고 Claude Code 대비 토큰 3-4× 효율. 단 blind review 25% 우위는 느낌의 자리와 측정의 자리 차이. senior 컨센서스는 Codex for speed, Claude Code for depth.

본체

코딩 에이전트 카테고리 개요에서 Codex를 OpenAI cloud + CLI로 정리했다. 2026-05 기준 한 발 더 넓어졌다 — CLI(Rust, Apache-2.0)·cloud sandbox·ChatGPT desktop app·IDE 확장(VS Code/JetBrains/Cursor/Windsurf)까지 네 개 surface가 같은 task 상태를 공유한다.

Claude Code 리뷰에서 terminal-native + 확장 7종이 Claude Code의 본체였다. Codex는 다른 본체에 베팅한다 — 어디서든 같은 상태로 일하는 surface 분산 + cloud sandbox의 자율 백그라운드 실행. 한 사용자가 IDE에서 task를 시작해서 브라우저 닫고 자리 비운 사이 cloud sandbox가 코드를 짜고 테스트를 돌리고 PR을 연다(공식 cloud 페이지).

차별화 축이 확장 레이어가 아니라 surface 분산과 자율성이다. 이 지점에서 agent 자체의 디자인 결정이 갈린다.

강점 5축

1. 자율 cloud sandbox — multi-hour 백그라운드 + PR 자동 생성

공식 cloud Codex 페이지의 핵심 사용 시나리오 — "submit a coding task, close the browser, and return to a completed pull request". cloud sandbox가 repo를 clone하고 multi-file 변경하고 테스트 돌리고 실패 시 iterate하고 PR을 연다. 사람 없는 자리에서 몇 시간 단위 task가 끝까지 간다.

GPT-5.5와 묶이면서 multi-hour autonomous session이 본격화. Claude Code도 GH Action·Remote Agents로 같은 결을 갔지만, cloud sandbox의 isolated 환경에서 끝까지 자율은 Codex가 먼저 정착시킨 대목이다.

2. 토큰 효율 — Claude Code 대비 3-4× 적게

Morphllm 비교의 구체 수치 — Figma plugin 빌드 task에서 Codex ~1.5M tokens vs Claude ~6.2M tokens. 같은 task에 Claude가 3-4× 더 verbose하고 thorough하다.

ChatGPT Plus $20 tier에서 세션 수가 Claude Pro보다 더 많이 잡힌다는 결과로 떨어진다(같은 비교). budget 의식적인 사용자에게 Codex가 직접적인 가격 경쟁력. Claude Code의 5.5× 토큰 효율 우위 (Cursor 대비)와 거꾸로 — Codex는 Claude Code보다 3-4× 효율적이다. 토큰 축이 agent마다 다른 결로 갈린다는 신호.

3. 일부 벤치 1위 — Verified·Terminal-Bench·Aider polyglot

벤치별 결과:

SWE-bench Verified — GPT-5.5 88.7% (2026-05 리더), Opus 4.7 87.6%. Verified 영역에서는 Codex가 앞선다.
Terminal-Bench 2.0 — Codex 82.7% vs Claude 69.4%. 터미널·shell 자동화에서 압도.
Aider polyglot — GPT-5 88% 리더. 6개 언어(C++/Go/Java/JS/Python/Rust) editing.
단 SWE-bench Pro(harder·contamination-free)에서는 Claude Opus 4.7 64.3% vs Codex 58.6%. 오염 없는·복잡 task에서는 Claude가 앞선다.

벤치별 결론 — Verified·Terminal·Aider polyglot은 Codex, Pro·CursorBench 같은 hard·long-context는 Claude. 같은 모델 한 가족이 벤치마다 분리된 자리에 위치한 패턴.

4. 멀티 surface — IDE·CLI·cloud·desktop이 같은 상태 공유

Codex VS Code/JetBrains extension이 inline completion·multi-file refactor을 제공하면서 CLI·cloud surface와 task 상태를 공유한다. IDE에서 시작한 task를 cloud sandbox로 hand off해서 끝낼 수 있다 — 같은 사용자가 editor·terminal·cloud를 한 작업의 다른 단계로 쓴다.

Claude Code는 terminal-native + GH Action에 집중한 반면, Codex는 IDE 시장 자체에 침투한다. Cursor·Windsurf 같은 fork된 IDE에도 공식 extension이 들어간 곳 — 같은 OpenAI 모델을 agent 형태로 한 번 더 제공하는 디자인.

2026-03 기준 weekly active 3M+·한 달 만에 +50% 성장. 가장 가파른 채택 곡선. surface 분산이 진입 비용을 다르게 분산시킨다.

5. 엔터프라이즈 도입 — Cisco·Warp·Gartner Leader

Cisco × Codex 사례가 가장 큰 신호. "every new feature we're building is 100% written by Codex" — 신기능 작성 전부를 Codex로 옮긴 대목. 결과로 빌드 시간 ~20% 단축·월 1,500시간 엔지니어링 시간 절감(StartupHub.ai 집계).

OpenAI가 Gartner 2026 Magic Quadrant — Enterprise Coding Agents의 Leader로 인정됐다. governance·SOC·SSO·audit log 같은 엔터프라이즈 요건에 공식 인증된 1st-party agent. Claude Code도 같은 자리에 있지만, Gartner Leader 인증·Cisco 같은 1,500-engineer 단위 도입 사례가 동시에 굳은 건 Codex 쪽이 더 명확하다.

Warp의 Codex 통합이 같은 결의 또 다른 사례. Warp Oz가 Claude Code·Codex·Warp Agent를 한 자리에서 orchestrate한다 — terminal AI shell이 multi-agent hub가 된다.

약점 5축

1. OpenAI 모델 lock-in — Anthropic·Google 모델 사용 불가

Codex는 OpenAI 모델만 쓸 수 있다. Claude Code의 약점 #1과 거울 — 1st-party lock-in은 확장 레이어 통합의 대가다. Opus 4.7이 SWE-bench Pro·CursorBench에서 강한 자리가 있어도 Codex 안에서 못 쓴다.

cross-model 검토를 하려면 Codex 바깥에서 별도 도구를 묶어야 한다. Cline·Aider 같은 BYOK agent가 모델 자유도에서 두 1st-party를 동시에 압박하는 지점이 여기다.

2. 272K default context — 1M은 explicit opt-in

Codex의 default context는 272K tokens, 1.05M long-context는 explicit opt-in. Claude Code의 1M context standard pricing과 대비된다 — 큰 코드베이스를 한 호흡에 보는 작업에서 Codex가 덜 default-friendly하다.

이게 SWE-bench Pro에서 Claude가 앞서는 이유와 연결된다 — hard·long-context에서는 context window를 의식 안 해도 되는 점이 코드 품질에 직결.

가장 흥미로운 대목. 500+ 개발자 Reddit 서베이에서 65%가 일상 사용으로 Codex 선호, 그런데 blind review에서 코드 품질은 Claude Code가 67% 우위. Codex가 blind review에서 이기는 비율은 25%.

이게 METR RCT의 인식·측정 갭과 같은 결. 사용자가 Codex가 빠르고 가벼워서 선호하지만, 코드의 객관적 품질을 비교하면 Claude Code가 앞선다 — agent 선택이 품질이 아니라 UX와 비용으로 갈리는 패턴. 두 가지 신호를 동시에 의식해야 한다.

4. lifecycle hooks 같은 deep governance 부재

Claude Code의 26 lifecycle hooks(공식 docs)에 직접 대응되는 부분이 Codex에는 비어 있다(Morphllm 비교). PostToolUse·PreToolUse·SessionStart·permission request·compaction 같은 hook 단계에 결정론적 차단·자동 실행을 박는 결이 Codex에서는 2026-05 기준 약하다.

Codex의 plugin marketplace는 진행 중이지만, Claude Code의 6,700+ skills + 840+ MCP server 생태계에 비하면 layer 두께가 얇다. 기업 governance에서 Codex가 Gartner Leader 인증으로 메우는 동안, 개인 사용자 쪽에서는 Claude Code의 확장 레이어가 더 두껍게 굳어 있다.

5. cloud-only 의존이 깊은 자율성

Codex의 autonomous PR loop은 cloud sandbox에서만 끝까지 간다. CLI에서도 multi-hour 자율을 시도할 수는 있지만, PR 생성까지 자동화하는 대목은 cloud Codex에 묶여 있다. 이게 부담 전가 갈래를 정통으로 끼고, 무인 자율 실행의 비용 폭증 위험도 같이 연다.

air-gapped 환경·data residency 강한 요구에서 Codex의 자율 surface가 반쪽으로 줄어든다. cloud 의존이 깊은 자율성이 오용·비용 폭증·데이터 외부 노출도 같이 연다.

Use case — 언제 Codex를 쓰면 좋은가

1. 자율 백그라운드 PR loop — task 제출 → 브라우저 닫음 → 완성된 PR. cloud Codex의 가장 정착된 영역. 큰 task를 사람이 없는 동안에 끝낸다.

2. 터미널·shell 자동화 헤비 — Terminal-Bench 2.0 82.7%. CLI tool 작성·shell pipeline 자동화·DevOps 스크립트 같은 터미널 명령형 작업에서 압도적.

3. OpenAI ecosystem 통합 운영 — ChatGPT desktop·VS Code·JetBrains·CLI·cloud가 같은 task 상태를 공유. 한 사용자가 기기·환경별로 surface를 갈아타며 같은 작업을 이어간다.

4. 토큰 budget·세션 수 의식 — Claude Code 대비 3-4× 토큰 효율. ChatGPT Plus $20에서 세션이 더 많이 잡힌다. 일상 코딩 빈도가 높고 비용 의식이 강한 사용자.

5. 엔터프라이즈 governance 표준 필요 — Gartner Leader 인증·Cisco 1,500-engineer 도입 사례. SOC·SSO·audit log 같은 기업 표준 준수가 첫 게이트인 환경.

다른 에이전트와의 시너지

Codex + Claude Code — speed·depth hybrid

가장 정착된 senior 컨센서스 — Codex로 빠른 prototype → Claude Code Agent Teams로 코드 리뷰·복잡 refactor. 500+ 개발자 서베이의 dominant 패턴이 one-or-the-other가 아닌 hybrid다.

분담:

Codex: 빠른 작성·자율 백그라운드·터미널 작업·budget-sensitive 일상 코딩
Claude Code: 복잡 refactor·1M context multi-file·skill·plugin 운영·코드 리뷰

bitter-medicine의 생성과 선별 분리 원칙이 정확히 적용 — Codex가 생성, Claude Code가 선별·리뷰. 두 1st-party가 서로의 약점을 메운다.

Warp + Codex — terminal AI shell의 multi-agent hub

Warp Oz가 Claude Code·Codex·Warp Agent를 한 자리에서 orchestrate. terminal 자체가 multi-agent hub가 된 대목. 한 prompt를 multi-agent에 던지고 결과를 비교하는 결에서, Codex는 cloud sandbox 결과를, Claude Code는 local CLI 결과를 가져오고, Warp Agent가 그 위 orchestrator 역할.

Cross-agent 워크플로의 terminal 측 구심점. bitter-medicine의 심판 패턴을 terminal 위에서 구현한다.

Codex + cross-model 검토 (Claude·Gemini)

Codex 안에서 외부 모델 호출하려면 MCP server·외부 도구를 끼워야 한다. adversarial-review 스킬 패턴을 Codex에 들고 가면 Codex 작성 → Claude·Gemini 검토 → 결과 반영의 cross-model 사이클이 만들어진다. Claude Code 안에서 같은 패턴을 도는 결과 거울.

IDE extension + cloud handoff

VS Code·JetBrains·Cursor·Windsurf extension이 공식 surface. IDE에서 시작한 task를 cloud sandbox로 hand off해서 끝낸다. Cursor 같은 fork된 IDE에 OpenAI extension이 공식 들어갔다 — Cursor 사용자가 Codex agent를 그 IDE 위에서 직접 호출할 수 있다. Cursor를 메인 IDE로 쓰는 사용자에게 가장 자연스러운 Codex 진입로.

종합

Claude Code 리뷰가 잡은 카테고리 단정은 모델은 BYOK가 가져가도 확장 레이어는 1st-party가 가져간다였다. Codex를 들여다보면 그 단정이 한 겹 더 좁아진다 — agent 자체의 차별화 축은 두 1st-party 간에도 다르다.

Claude Code가 확장 7종 + 1M context에 베팅했다면, Codex는 멀티 surface + 자율 cloud sandbox + 토큰 효율에 베팅했다. 두 1st-party가 서로 다른 차원을 선점한 상태고, 2026 Q3에 이 차이가 수렴할 가능성보다 발산할 가능성이 더 크다 — Claude Code가 Managed Agents·Plugin marketplace로 layer 두께를 늘리고, Codex가 surface 분산·cloud 자율성·엔터프라이즈 통합을 넓힌다.

당장의 senior 컨센서스는 Codex for speed, Claude Code for depth. 생성은 Codex, 선별은 Claude Code가 심판 패턴의 1st-party 간 적용. blind review 25% 우위는 사용자가 느낌과 측정을 가르는 지점이고, 둘 다 의식해야 한다 — 빠른 것이 좋은 것이 아니다. 65%가 일상 선호인 도구가 blind review의 67%에서 코드 품질이 밀린다는 데이터를 잊지 말 것.

2026 Q3에 갈릴 분기는 Codex의 자율 cloud sandbox가 PR 자동 생성을 표준으로 굳히는지 vs Claude Code의 Managed Agents·Plugin marketplace가 같은 결을 확장 레이어로 가져가는지. 둘 다 agent 자체의 자율성을 1st-party가 통합하는 방향이고, agent 선택은 좁고 진짜 분기는 모델이라는 카테고리 단정이 더 약해진다.

Codex — 자율 cloud sandbox

본체