O czym jest ten film
- Autor zlecił Claude Code i Codeksowi zbudowanie ośmiu identycznych zestawów stron — te same prompty, te same dane wejściowe, te same wytyczne marki.
- Każdą parę porównuje nie tylko wizualnie, ale też twardo: liczba subagentów, czas budowy, tokeny wyjściowe i koszt w rozliczeniu API.
- W większości rund Codex wygrywa pod względem czytelności układu, hierarchii informacji i „brandowego” wrażenia.
- Claude Code systematycznie przesadza z ilością tekstu — strony wyglądają jak raport albo dashboard, a nie jak landing page nastawiony na konwersję.
- Jedna runda (Trail Latch, sprzęt kempingowy) wypada wyraźnie na korzyść Claude Code — wszystko jest rozwiązane na jednej, spójnej stronie.
- Przy bardzo szczegółowym promptcie oba narzędzia dają praktycznie identyczny wynik — różnica zostaje wyłącznie w koszcie i czasie.
- Przy promptcie skrajnie ogólnym („zaimponuj mi”) rozjazd jest największy: Codex 8 minut i 1,5 dolara, Claude Code prawie 3 godziny i 50 dolarów.
- Claude Code uruchamiał zwykle czterech subagentów na zadanie, Codex jednego — i to jest główne źródło różnicy w spalaniu tokenów.
- Suma zbiorcza: 25 agentów / 14 godzin / ~3 mln tokenów wyjściowych / ~444 dolary (Claude Code) kontra 9 agentów / 5 godzin / ~550 tys. tokenów / ~100 dolarów (Codex).
- Autor nie ogłasza zwycięzcy raz na zawsze — ma obie subskrypcje, korzysta z obu codziennie i zachęca do własnych testów.
Redakcyjne tłumaczenie
Założenia eksperymentu
Kazałem właśnie Claude Code i Codeksowi zbudować osiem różnych stron internetowych. Oba narzędzia dostały dokładnie te same prompty i dokładnie te same dane wejściowe. Przejdziemy przez wszystkie wyniki, a ja powiem, które z nich jest moim zdaniem naprawdę lepsze, jeśli chodzi o design — żebyśmy wreszcie zamknęli tę dyskusję.
Przy każdej realizacji omówię, ilu subagentów zostało użytych, ile czasu to zajęło, ile kosztowało, ile tokenów wyjściowych poszło. Chodzi o to, żebyście mogli podjąć decyzję na podstawie danych, a nie „designerskich odczuć”.
Układ jest zawsze taki sam: Claude Code po lewej, Codex po prawej.
(Informacja dodatkowa: „harness” w tym kontekście to warstwa oprogramowania wokół modelu — sposób, w jaki narzędzie planuje pracę, dzieli ją na kroki, uruchamia subagentów i weryfikuje efekt. Ten sam model w innym harnessie potrafi zachowywać się zupełnie inaczej.)
Runda 1: Bowl & Bloom
Pierwsza strona nazywała się Bowl & Bloom. Wytyczne marki były podane, logo było podane, nazwa też. Cała idea polegała na tym, żeby usunąć jak najwięcej zmiennych — niech oba narzędzia zbudują osiem tych samych biznesów, osiem tych samych stron. Wtedy porównanie ma sens.
Od razu widać, że kolorystyka jest spójna. Po lewej mamy na starcie dużo tekstu w sekcji hero, a dopiero potem obrazek. Po prawej obrazek jest na górze, a pod nim informacje o „meal trainie”, który przewija się przez całą stronę.
(Informacja dodatkowa: „meal train” to amerykański zwyczaj — grafik, w którym znajomi po kolei dostarczają gotowe posiłki rodzinie po narodzinach dziecka, w chorobie albo po żałobie.)
Na tym etapie bardziej podoba mi się Codex, bo ma na górze pasek nawigacji. Wezwanie do działania jest tu, wezwanie do działania jest tam — po prostu jest jaśniej. Otwierasz stronę i od razu wiesz, o co chodzi.
Przewijamy Codeksa dalej. Po lewej stronie ekranu jest wskaźnik pokazujący, jak daleko jesteśmy. Dostajemy animację poziomego scrolla: pierwsze 14 dni, czwarty trymestr, złóż pudełko opieki, wyślij coś pożytecznego. Widzimy cztery podstawowe smaki: kurczak, czerwona soczewica, zielone warzywa, miso z grzybami.
Po stronie Claude Code jest to samo, ale opowiedziane inaczej. Dostajemy historię — rozdział pierwszy. To bardzo dużo słów. Naprawdę bardzo rozwlekłe. Potem rozdział drugi: co właściwie jest w miseczce. Więcej zdjęć tu, więcej zdjęć tam. I dopiero na dole docieramy do sekcji ze scrollem, ale nie widzimy jeszcze smaków ani tego, jak to działa. Widzimy punkt pierwszy: przyjeżdża zamrożone, potem wrzucamy kostkę na patelnię, dziewięć minut i mamy jedzenie.
Czyli inny klimat, inne wrażenie — a informacja jest ta sama. Tylko komunikowana zupełnie inaczej.
Przechodzę w obu wersjach do sekcji „zbuduj swoje pudełko opieki”. Po drodze wychodzi drobny błąd i podejrzewam, że to kwestia oglądania na pół ekranu, więc otwieram na pełnym. Nawiasem mówiąc, to jest coś, co warto trochę uwzględnić w ocenie: strona inaczej wygląda na mobile’u, inaczej na pełnym ekranie, a jeszcze inaczej po zwężeniu do połowy. Chciałbym, żeby Claude Code i Codex podczas pracy testowały te różne rozmiary. To jest rzecz, którą po cichu odnotowuję.
W Claude Code możemy wybrać pozycje, ustawić liczbę sztuk każdej z nich, wybrać dzień dostawy i pierwszą dostawę. Widzimy cenę i przechodzimy do kasy — choć to strona fikcyjna, więc żadnych danych płatniczych tu nie ma.
W Codeksie wygląda to dobrze nawet na pół ekranu: osiem pozycji, dwanaście, szesnaście, można zmieniać ilości. Zauważyłem natomiast jedną rzecz — nie zmienia się kolor. Można by zakładać, że jeśli masz pięć porcji czerwonej soczewicy, to zobaczysz je pięć razy. A mamy tylko jedną porcję kurczaka z imbirem i ryżem, a i tak widać cztery. To pewnie nie zostało dopięte do końca. Mimo to całość jest bardzo przyzwoita i po stronie Codeksa doświadczenie jest po prostu czystsze.
Runda pierwsza — i tu robi się ciekawie. Claude Code użył czterech subagentów, Codex jednego. Claude Code potrzebował dwóch godzin, Codex pięćdziesięciu minut. Claude Code spalił prawie 500 tysięcy tokenów wyjściowych, Codex tylko 100 tysięcy. Claude Code kosztował 53 dolary, Codex niecałe 20. Zwycięzca jest więc jasny — pod względem designu, wrażenia, kosztu i czasu wygrywa Codex.
Runda 2: Minutecraft
Nie pamiętam dokładnie, co poszło w tym promptcie. Nazwa: Minutecraft. Po pierwsze — obie wersje są przytłaczające.
Po stronie Claude Code hero brzmi: „Twoje spotkanie się skończyło, praca jest już uporządkowana”. Po stronie Codeksa: „Rozmowa z klientem zamknięta, follow-up gotowy”. Czyli jakiś asystent do notatek ze spotkań, który zamienia je w decyzje i kroki do wykonania.
Ogólnie jednak — jakiekolwiek wytyczne marki tu weszły, nie były dobre. To jest bardzo przytłaczające. Bardziej przypomina interfejs i dashboard niż landing page zbudowany po to, żeby konwertować.
Po lewej mamy sześć kroków. Jest „Northgate Dental Group wymaga przeglądu”. Potem coś przerzuca mnie na sam dół strony — nie wiem, co się właśnie stało, wylądowałem w „90-sekundowej wycieczce”. Wracam na górę. Idziemy dalej: sześć kroków, decyzje do podjęcia, opis przestrzeni roboczej, transkrypcja. To jest właściwie demo — pokaz tego, do czego byś tego użył, a nie prezentacja funkcji produktu. Ten przepływ zupełnie mi się nie podoba jak na landing page. Jest bardzo mylący.
Sprawdźmy, czy Codex jest mniej onieśmielający. Mamy przechwycone źródła, podsumowanie, dostęp do transkrypcji, do notatek. Na dole widać dwa zadania: przygotować brief dla dostawcy dla Taylor i udostępnić kartę wyników pilotażu, którą ma Mina.
Szczerze — nie podoba mi się to po żadnej ze stron. Porównajmy więc inne elementy.
Cennik. Po lewej: miesięcznie, rocznie, liczba spotkań w miesiącu. Po prawej — inna struktura: więcej informacji na dole, stanowiska, dodatkowe stanowiska, praktyka jednoosobowa i tak dalej. Ta druga jest po prostu znacznie bardziej przytłaczająca. Claude Code moim zdaniem po prostu przebudował ten fragment.
Zakładka „tour”. Po stronie Codeksa mamy na dole zrzut interfejsu. Po stronie Claude Code też — ale otwieram na pełnym ekranie i błąd nie znika. Nawet na pełnym ekranie Claude Code ma tu usterkę wizualną. To jest oczywisty problem. Normalnie Claude Code jest całkiem dobry w pętli wizualnej i weryfikacji, ale najwyraźniej nie tym razem.
(Informacja dodatkowa: „pętla wizualna” to praktyka, w której agent po zbudowaniu strony robi jej zrzut ekranu, ogląda go i sam poprawia to, co wygląda źle — zamiast oceniać wynik wyłącznie po kodzie.)
I znowu: jest przegadane. Nie sądzę, żeby ktokolwiek chciał przez to przebrnąć. Nie jest to w ogóle wizualne. Codex już prowadzi.
Integracje. Po lewej to po prostu nie ma struktury — sprawia wrażenie mocno technicznego oprogramowania, nikt tego nie będzie czytał. Po prawej mniej słów, lepiej uporządkowane w kolumnach, czyściej.
Wezwanie do działania „zacznij czysty tydzień”. Po jednej stronie wpisujemy nazwę — wpisuję „Upit AI”, klikam, dostaję komunikat, że utworzono lokalnie przykładową przestrzeń roboczą. Po drugiej stronie przycisk uruchamia po prostu wersję próbną, bez żadnego pola do wypełnienia.
Codex zdecydowanie wygrywa tę rundę pod względem designu i przemyślenia UI. Koszty: godzina i 12 minut kontra dwie i pół godziny. 100 tysięcy tokenów i 20 dolarów kontra znowu prawie pół miliona tokenów i 65 dolarów. Codex prowadzi 2:0.
Runda 3: Trail Latch
Trzecia realizacja nie działa na pół ekranu. Po prostu nie działa — nie została tak zbudowana. I to dotyczy obu wersji.
Firma nazywa się Trail Latch. To coś dla biwakowiczów: jedziesz pod namiot i chcesz ugotować kolację. Jest tu cała rozkładana stacja robocza, w której gotujesz i przewozisz sprzęt. „Kuchnia w mniej niż 90 sekund — od zapięcia do gotowania”.
Design Claude Code całkiem mi się podoba. Jest interaktywny. Przewijamy, dostajemy poziomy scroll, elementy się odsłaniają. Mamy blat roboczy z wymiarami, 59 dolarów, sprzedawany osobno. Mamy półkę pod kuchenkę z wymiarami. Mamy listwę na sztućce. „Cztery elementy, jedna walizka”. Potem cena.
Schodzimy niżej: „pociągnij zatrzask”, „przeciągnij dźwignię w dół”, „strzałki też działają” — i widzimy, jak konstrukcja się rozpina i rozkłada. Wychodzi z tego coś w rodzaju grilla. Pokazuje wszystkie elementy. Bardzo mi się to podoba, naprawdę. Dalej zdjęcie tego, jak to wygląda w praktyce, potem miska do mycia, pojemnik na rzeczy suche, ramię lampy — ten sam styl scrolla. Boczny blat. Potem różne warianty zakupu: wersja podstawowa, zestaw, rozszerzenie rodzinne, z czego jest zrobione, gdzie się pakuje, zdjęcia. Na końcu wezwanie do działania, gdzie faktycznie składasz własny zestaw, dodajesz elementy, widzisz cenę i zamawiasz.
Szczerze mówiąc — bardzo mi się to podoba. Podoba mi się to wrażenie.
Przechodzę do wersji Codeksa i od razu: nie podoba mi się. Nie wiem, na co patrzę. Tekst jest trudny do odczytania. Jest chaotycznie. Codex najwyraźniej próbował tu bardzo ciekawego stylu scrolla.
(Informacja dodatkowa: autor odsyła w tym miejscu do swojego wcześniejszego filmu, w którym opisuje własną „skill” — pakiet instrukcji designerskich, którego używa teraz przy wszystkich stronach. Ten sam pakiet zasilał w tym teście oba narzędzia.)
Ta sama firma, Trail Latch. Wciąż „gotowanie z trzech skrzynek” i „kolacja zaczyna się, zanim wyjmiesz czołówki”. Jest wezwanie do działania „zbuduj swój zestaw”, które przenosi na osobną stronę.
Wracam i przewijam. Mamy coś w rodzaju podróży — linia przechodzi przez stronę. To chyba porównanie „przed i po”: tak robiłeś kiedyś — pięć czynności przed rozpaleniem; a tak możesz teraz — jedna skrzynka, trzy ruchy i gotowe. Postaw skrzynkę na stabilnym podłożu, rozłóż nogi, zapnij półkę i miskę. Potem: pięć elementów bez systemu, a obok — wszystko wraca do skrzynki, z małą animacją tego procesu. Dalej: mierz podłogę bagażnika, nie metkę. Powierzchnie odporne na warunki atmosferyczne.
Nie podoba mi się ten klimat. Dzieje się za dużo. Jako widz nie wiesz, gdzie patrzeć. Podoba mi się natomiast to, jak wszystko zbiega się w jeden czysty ekran, i odstępy są w porządku.
Przechodzę do „zbuduj swój zestaw”. Tu wybieramy kuchnię, zestaw, rozszerzenie rodzinne i kupujemy. Jest coś takiego jak dopasowanie do pojazdu — to całkiem fajne. Ta strona wygląda dobrze, dużo lepiej niż strona główna. Są różne produkty, jest FAQ. Ta ostatnia jest taka sobie, ale ogólnie ten klimat mi się podoba. Rzecz w tym, że to nie jest to, co ludzie zobaczą jako pierwsze. Pierwsza jest strona główna — a tej nie lubię w ogóle. Po stronie Claude Code wszystkie odpowiedzi są na jednej stronie.
Uważam więc, że tę rundę wygrywa Claude Code — dopóki nie spojrzymy na koszty. Znowu: Claude Code cztery agenty, Codex jeden. Claude Code prawie dwie godziny, Codex jedna. Claude Code prawie 400 tysięcy tokenów, Codex 100 tysięcy. Claude Code 42 dolary, Codex znowu niecałe 20.
Zaczynacie czuć motyw przewodni. Codex jest szybszy, wydajniejszy i tańszy — i zwykle jego design podoba mi się bardziej. Ale tę konkretną rundę wygrywa Claude Code. Stan po trzech rundach: 2:1 dla Codeksa pod względem designu.
Design to nie wszystko
Warto to wyraźnie powiedzieć, zanim pójdziemy dalej. Nie chodzi tylko o to, kto najlepiej trafi za pierwszym strzałem. Chodzi o to, jak dobrze narzędzie przyjmuje instrukcje i zamienia to, co mówię, w gotowe doświadczenie.
Nawet jeśli w tej rundzie efekt Claude Code podobał mi się bardziej — postawmy pytanie inaczej. Gdybyś miał godzinę albo dwie (a przy tych czasach pewnie i więcej) na iterowanie z każdym z tych modeli, który z nich lepiej wykona twoje polecenia i zrobi to sprawniej? Dziś powiedziałbym, że Codex. Miejcie to z tyłu głowy przy kolejnych przykładach.
Runda 4: Present & Clear
Po lewej Claude Code i od razu znowu za dużo słów. To jest chyba coś, co muszę poprawić w swojej „skill”: każ jej mocniej myśleć o ścieżce użytkownika. To znaczy — ona o niej myśli, ale trzeba dodać, żeby nie przytłaczać odbiorcy i żeby przekaz był krystalicznie jasny. Wydawało mi się, że o to prosiłem, bo mówię tam o bólu, obietnicy i osobie. Najwyraźniej nie było to dość wyraźne.
(Informacja dodatkowa: „ból, obietnica, osoba” to prosty schemat copywritingu — nazwij problem odbiorcy, obiecz konkretny efekt, opisz, dla kogo dokładnie jest to rozwiązanie.)
Program nazywa się Present & Clear i najwyraźniej ma pomagać w wystąpieniach publicznych, w charyzmatycznym mówieniu.
Claude Code wybrał tym razem podejście „przed i po”: „Nie potrzebujesz więcej charyzmy, potrzebujesz jaśniejszej drogi”. Jest kohorta, wezwanie do działania od razu na górze — dołącz i naucz się mówić lepiej. Przewijamy i widzimy, co dzieje się w pierwszych trzydziestu sekundach: przyspieszasz, budujesz rozbieg, wyjaśniasz.
Po stronie Codeksa dzieje się co innego. Design nie jest zły, kolorystyka nie jest zła, są animacje. To mi się faktycznie podoba — adnotacje na elementach, podświetlenia, wskazywanie problemów. To całkiem fajne, interaktywne doświadczenie. Ale wersja Claude Code nie ma dość głębi i jest zbyt zagmatwana.
Codex przekreśla słowo „charyzma” i podświetla „jaśniejsza droga”. Są różne kolory, więc zmienia się głębia i rytm sekcji — to lubię. Jest mniej słów. Dużo łatwiej zrozumieć, na co mam patrzeć. Jest aparat: „kamera staje się czymś zwyczajnym dzięki użytecznym powtórzeniom”. Różne kolory, więcej głębi, przekreślenia. Tę rundę Codex wygrywa na pewno.
Koszty — bardzo podobna historia: cztery agenty kontra jeden, dwie godziny kontra prawie godzina, 440 tysięcy tokenów kontra 92 tysiące, 42 dolary kontra niecałe 20. To jest bardzo konsekwentne.
Runda 5: North Ledger Studio
Claude Code po lewej z ładną animacją na wejściu, Codex po prawej bez animacji startowej. Firma: North Ledger Studio. Claude Code pisze: „Twoje liczby powinny mówić ci, co zrobić dalej”. Codex: „Dalej. Twoje liczby powinny mówić ci, co zrobić dalej”. To rada finansowa na zasadzie fractional CFO dla agencji kreatywnych prowadzonych przez założycieli.
(Informacja dodatkowa: fractional CFO to dyrektor finansowy wynajmowany na część etatu — model popularny w małych firmach, które nie potrzebują ani nie udźwigną pełnoetatowego CFO.)
Na razie bardziej podoba mi się Codex. Ma przyciski na górze, ma logo, sprawia wrażenie bardziej zbrandowanego i bardziej wiarygodnego.
Przewijamy. Po lewej znowu mnóstwo słów i mało wizualności. Po prawej mniej słów i więcej struktury. Jest też ścieżka, którą przewijamy — to fajne. Od razu dostajemy liczby: oto agencja, 18 osób, 4,3 miliona rocznie, rachunek zysków i strat. To wygląda w porządku. Po drugiej stronie: „miesiąc z sensem”. Więcej zmian kolorów, więcej głębi, obrazy, ścieżka, którą przyjemniej się podąża. Jest w tym więcej opowieści — a tamto po prostu wygląda jak raport. Kto ma ochotę to czytać? Ja na pewno nie.
Podoba mi się sposób, w jaki Codex oddziela sekcje. Są trzy formy współpracy. Podoba mi się animacja. To po prostu znacznie lepiej zbudowana marka niż to, co dostajemy po drugiej stronie. Po stronie Claude Code nawet nie zauważyłem, że dotarłem do końca dokumentu — po prostu skończył się komunikatem, że to koniec.
Codex bierze i tę rundę. Dwie godziny kontra godzina, 500 tysięcy tokenów kontra 100 tysięcy, 52 dolary kontra 18. Dość konsekwentnie to samo.
Runda 6: prompt całkiem otwarty
Wszystkie poprzednie przypadki to był ten sam prompt i te same wytyczne marki, ale zostawiłem sporo swobody. Powiedziałem w zasadzie: oto teksty, oto ból, osoba i obietnica, oto logo — zbuduj mi landing page. I tyle.
Tym razem powiedziałem coś w stylu: zbuduj mi stronę, chcę, żebyś mi zaimponował. Wymyśl biznes, wymyśl zastosowanie. Pokaż mi, co potrafisz i jak dobry jesteś w designie.
Claude Code: przeładowuję i widzę zmarszczki — to albo fale dźwiękowe, albo prawdziwe fale. „Twoje pomieszczenie ma swój ton. Słyszysz go w każdym nagraniu”. To niezła sekcja hero. Trochę przytłaczająca, ale nie najgorsza. Pokazuje mi, co potrafi zbudować. Niżej mamy więcej narracji, choć też jest tego dużo. Dzieje się mnóstwo rzeczy, rozstawienie elementów jest dziwaczne, wszystko jest rozciągnięte — nie sądzę, żeby tak miało być. Ale dostajemy coś w rodzaju dema do zabawy: możemy wybrać podłogę, ściany, sufit. Po prawej stronie widać pasek postępu przewijania, można też po nim klikać i nawigować. Dalej różne elementy, znowu mnóstwo tekstu. Naprawdę bardzo dużo copy jak na stronę, co nie wychodzi jej na dobre. Liczby znowu są rozciągnięte — nie wiem, czy ktokolwiek zweryfikował proporcje. Całość nie jest zła, jest nawet w miarę czytelna, ale, jak mówię, bardzo przegadana.
Codex: odświeżam, ładuje się. „Usłyszeliśmy jutro”. Jest animacja reagująca na kursor. Ogólnie podoba mi się to, co wyszło. Duży tekst hero, bardzo czytelnie, bez zalewu słów. Przewijamy: „wszechświat nie jest cichy — jest niesamowicie cichy”. Animacja, kolejna reakcja na kursor, ładne dynamiczne tło. „Nastrój ciemność” — można się tym pobawić. Nie jestem pewien, czy leci przy tym jakiś dźwięk, ale można „przechwycić sygnał”. To ciekawe.
Ogólnie ten design po prostu dobrze wygląda. Podoba mi się font, podoba mi się wrażenie, podoba mi się wykonanie. „17-minutowy wschód słońca”. To jest po prostu lepsze doświadczenie niż to, co dostaliśmy po stronie Claude Code. To znacznie lepiej zbudowana marka. Ładny efekt, poświata wciąż działa. Podoba mi się kolorystyka i to, jak wszystko jest proste. Codex wygrywa i tę rundę.
A wyniki są tu absurdalne. Codeksowi zajęło to 8 minut i kosztowało półtora dolara. Claude Code: 330 tysięcy tokenów, prawie trzy godziny, 50 dolarów. To jest dla mnie po prostu niedorzeczne. Ten przypadek był o tyle inny, że prompt był skrajnie otwarty — ale tym ciekawiej widać, jak modele kodujące i ich harnessy działają pod spodem, kiedy dostaną tak nieprecyzyjne polecenie.
Runda 7: prompt maksymalnie szczegółowy
To dla mnie najciekawszy przypadek. Dałem obu narzędziom dokładnie ten sam prompt, i był on ekstremalnie szczegółowy — opisany był każdy element strony. A efekty wyszły w zasadzie identyczne. Popatrzcie: wszystko jest praktycznie takie samo. Są drobne różnice, ikony są nieco inne, ale reszta się pokrywa.
Dlaczego to jest takie ciekawe? Bo dowodzi, że im bardziej jesteś precyzyjny, tym pewniej dowolny wystarczająco zdolny model czy harness da ci dokładnie to, o co prosisz. Ponieważ byłem w tych promptach tak szczegółowy, dostałem w praktyce to samo.
Ale pokazuję to wam z innego powodu: koszt i tokeny już takie same nie były. Codex nadal był znacznie wydajniejszy, mimo identycznego promptu i identycznego wyniku. Jeśli to nie pokazuje, że harness Codeksa gospodaruje tokenami oszczędniej, to nie wiem, co pokazuje.
Przy okazji: Claude Code działał na Opusie 5, a Codex na GPT-5.1.6 Soul.
(Informacja dodatkowa: nazwa modelu OpenAI pada w transkrypcji automatycznej w zniekształconej formie i tak została tu oddana.)
Runda 8: raport HTML
Powtórzyłem ten sam test na raporcie HTML. Kazałem zbudować raport, dałem wszystkie informacje — i znowu efekty są od strony designu praktycznie identyczne. Cały tekst jest oczywiście ten sam. Byłem bardzo, bardzo precyzyjny i wyniki się pokrywają. Nie spojrzysz na jeden i nie powiesz: „ten jest wyraźnie lepszy”.
Ale jeśli spojrzysz na koszty — tu różnica jest wyraźna. Szybciej, taniej, oszczędniej.
Podsumowanie
Mam nadzieję, że zaczyna się z tego układać obraz: może warto zacząć używać Codeksa częściej do rzeczy, które dotąd rezerwowaliście dla Claude’a. Te narzędzia zmieniają się dosłownie z dnia na dzień. Nie mówię tu wprost, że Codex jest lepszy od Claude’a. Mówię, że mam obie subskrypcje, korzystam z obu codziennie, nieustannie zmieniam zdanie i nieustannie testuję, co jest możliwe.
Krótkie zestawienie zbiorcze. Claude Code: 25 agentów łącznie, 14 godzin, prawie 3 miliony tokenów wyjściowych (wyjściowych, nie wejściowych), a przy rozliczeniu przez API około 444 dolarów. Codex: 9 subagentów, 5 godzin, około 550 tysięcy tokenów wyjściowych i około 100 dolarów.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Przy identycznym promptcie Codex wypada taniej i szybciej w każdej rundzie
Na czym polega: W ośmiu porównaniach Codex konsekwentnie zużywał około jednej piątej tokenów wyjściowych Claude Code, kończył w połowie czasu lub szybciej i kosztował 2–3× mniej. Łącznie: ~100 dolarów kontra ~444 dolary.
Jak stosować: Jeśli robisz wiele iteracji frontendu i płacisz za API, ustaw Codeksa jako domyślne narzędzie do pierwszych podejść, a Claude Code trzymaj na zadania, gdzie faktycznie wygrywa.
Na co uważać: To pojedynczy test jednego autora na jednym typie zadania (landing page’e) i na konkretnych wersjach modeli. Nie ekstrapoluj tego na backend, refaktoring czy debugowanie bez własnego pomiaru.
2.Główne źródło różnicy w koszcie to liczba subagentów
Na czym polega: Claude Code niemal zawsze uruchamiał czterech subagentów, Codex jednego. To bezpośrednio przekłada się na tokeny, czas i rachunek — a nie zawsze na jakość wyniku.
Jak stosować: Zanim uznasz narzędzie za drogie, sprawdź, ile równoległych agentów sam pozwalasz mu odpalić. Przy prostych zadaniach jednoagentowe podejście często wystarcza.
Na co uważać: Wielu agentów bywa uzasadnionych — w rundzie Trail Latch Claude Code wygrał design. Nie tnij równoległości tam, gdzie zadanie faktycznie ma kilka niezależnych wątków.
3.Precyzyjny prompt zrównuje modele — różnica zostaje tylko w koszcie
Na czym polega: Przy skrajnie szczegółowym promptcie oba narzędzia wyprodukowały praktycznie identyczne strony i identyczny raport HTML. Rozjazd wystąpił wyłącznie w tokenach i czasie.
Jak stosować: Jeśli wiesz, czego chcesz, opisz każdą sekcję strony osobno. Wtedy wybór narzędzia staje się decyzją czysto ekonomiczną, a nie designerską.
Na co uważać: Napisanie tak szczegółowego promptu samo w sobie kosztuje czas. Opłaca się przy powtarzalnych formatach, nie przy jednorazowej eksploracji.
4.Otwarty prompt maksymalizuje rozjazd — i to tam widać charakter harnessu
Na czym polega: Przy zadaniu „wymyśl biznes i zaimponuj mi” Codex zamknął się w 8 minut i 1,5 dolara, a Claude Code potrzebował prawie 3 godzin i 50 dolarów. Autor uznał wynik Codeksa za wyraźnie lepszy.
Jak stosować: Używaj otwartych promptów świadomie — jako testu, jak narzędzie interpretuje swobodę, a nie jako domyślnego trybu pracy.
Na co uważać: Przy nieprecyzyjnym poleceniu koszt jest nieprzewidywalny. Jeśli rozliczasz się przez API, ustaw sobie limit czasu lub budżetu, zanim puścisz taki prompt.
5.Claude Code systematycznie przesadza z ilością tekstu
Na czym polega: W niemal każdej rundzie autor zarzuca wersji Claude Code przegadanie — strony wyglądają jak raport albo dokumentacja, nie jak landing page.
Jak stosować: Dopisz do promptu twarde limity: maksymalna liczba słów na sekcję, obowiązkowy stosunek grafiki do tekstu, zakaz sekcji dłuższych niż jeden ekran.
Na co uważać: Zbyt agresywne cięcie tekstu potrafi wypłukać treść. Limituj długość na sekcję, nie na całą stronę.
6.Weryfikacja wizualna zawodzi częściej, niż się zakłada
Na czym polega: W rundzie Minutecraft Claude Code zostawił błąd wizualny widoczny nawet na pełnym ekranie. W innych rundach elementy były rozciągnięte, a proporcje najwyraźniej niesprawdzone.
Jak stosować: Zawsze sam obejrzyj wynik na pełnym ekranie, na połowie ekranu i na mobile’u, zanim uznasz zadanie za skończone. Możesz też wprost polecić agentowi zrobienie zrzutów w trzech szerokościach i ich sprawdzenie.
Na co uważać: Nie zakładaj, że skoro narzędzie „ma pętlę wizualną”, to z niej korzysta w każdym przebiegu. Traktuj to jako opcję do wymuszenia, nie gwarancję.
7.Logika interaktywna bywa niedopięta, nawet gdy warstwa wizualna wygląda dobrze
Na czym polega: W konfiguratorze Bowl & Bloom po stronie Codeksa liczba wybranych porcji nie odzwierciedlała się w kolorach podglądu — pięć porcji soczewicy wyglądało jak jedna.
Jak stosować: Testuj stan aplikacji, nie tylko wygląd: zmień ilości, cofnij, przeładuj stronę, sprawdź, czy podsumowanie się zgadza.
Na co uważać: Ładny interfejs maskuje takie błędy — im lepszy design, tym mniejsza czujność przy klikaniu. Ustal listę kroków testowych z góry.
8.Oceniaj to, co użytkownik zobaczy pierwsze, nie średnią z całej strony
Na czym polega: W rundzie Trail Latch podstrony Codeksa były zdaniem autora ładne, ale strona główna — chaotyczna i nieczytelna. To przesądziło o przegranej rundy, bo to ją widzi się najpierw.
Jak stosować: Przy ocenie wyniku zacznij od pierwszego ekranu i pierwszych 10 sekund. Jeśli tam nie wiadomo, o co chodzi, reszta ma ograniczone znaczenie.
Na co uważać: Odwrotna pułapka też istnieje — świetny hero i pusta reszta. Pierwszy ekran to filtr, nie całe kryterium.
9.Prawdziwym testem jest iteracja, nie pojedynczy strzał
Na czym polega: Autor wprost zaznacza, że nie chodzi o to, kto lepiej trafi za pierwszym razem, tylko kto sprawniej przyjmie kolejne poprawki i zamieni je w efekt.
Jak stosować: Porównując narzędzia, zaplanuj test na 3–5 rund poprawek na tym samym projekcie i mierz, ile czasu i pieniędzy kosztuje dojście do akceptowalnego wyniku.
Na co uważać: Ten film mierzy właśnie pojedyncze strzały. Jego wnioski o iteracji są opinią autora opartą na jego codziennej praktyce, nie na danych z tego eksperymentu.
10.Rozwiązaniem systemowym są własne wytyczne designerskie, a nie lepszy model
Na czym polega: Autor korzysta z własnego pakietu instrukcji designerskich, który zasilał oba narzędzia. Kiedy obie wersje wyszły przegadane, jego wnioskiem było poprawienie tego pakietu, a nie zmiana modelu.
Jak stosować: Zapisz swoje reguły designu (ścieżka użytkownika, limity tekstu, hierarchia, animacje) w jednym pliku wielokrotnego użytku i podpinaj go do każdego zadania, niezależnie od narzędzia.
Na co uważać: Wspólny pakiet instrukcji przenosi też wspólne wady — jeśli obie wersje mają ten sam problem, przyczyna leży w twoich wytycznych, nie w modelu. Traktuj powtarzalne błędy jako sygnał do rewizji pliku.