{"id":2437,"date":"2026-04-21T18:07:10","date_gmt":"2026-04-21T18:07:10","guid":{"rendered":"https:\/\/deepinsightai.io\/?p=2437"},"modified":"2026-05-01T01:59:35","modified_gmt":"2026-05-01T01:59:35","slug":"chatgpt-codex-vs-claude-code","status":"publish","type":"post","link":"https:\/\/deepinsightai.io\/de\/chatgpt-codex-vs-claude-code\/","title":{"rendered":"ChatGPT Codex vs. Claude Code: Werden KI-Programmierwerkzeuge immer \u00e4hnlicher?"},"content":{"rendered":"

Vor einigen Tagen hat OpenAI sein brandneues gro\u00dfes Modell, GPT-5.4-Cyber, offiziell vorgestellt. Wie viele Internetnutzer bereits angemerkt haben, vermittelt dieses Modell ein sehr starkes D\u00e9j\u00e0-vu-Gef\u00fchl.<\/p>\n\n\n\n

Dieses neue Modell entspricht hinsichtlich seiner Zielgruppe, seiner Anwendungsszenarien und sogar seiner Marketingstrategie fast vollst\u00e4ndig dem k\u00fcrzlich von Anthropic vorgestellten Claude Mythos<\/a>. Diese Art von \u201cNahkampf\u201d hat einen Punkt erreicht, an dem er nicht einmal mehr verschleiert wird. Selbst die \u201cNew York Times\u201c hat in einer aktuellen Schlagzeile unverbl\u00fcmt darauf hingewiesen: \u201eWie Anthropisch<\/a>, OpenAI\u2026\u201d<\/p>\n\n\n\n

Dieser Trend zur Homogenisierung beschr\u00e4nkt sich nicht nur auf die Basismodelle. Wenn man sich die Produktreihen ansieht, die diese beiden Unternehmen in letzter Zeit auf den Markt gebracht haben, f\u00e4llt auf, dass sie sich immer mehr gegenseitig kopieren.<\/p>\n\n\n\n

Im Rampenlicht des Kapitalmarkts wird diese Ann\u00e4herung noch deutlicher. Ihre Bewertungen auf dem Sekund\u00e4rmarkt liegen mittlerweile extrem nah beieinander. Anthropic hat OpenAI k\u00fcrzlich sogar leicht \u00fcberholt, was auf seine rasante Expansion im Unternehmensmarkt zur\u00fcckzuf\u00fchren ist. Das Kapital reagiert stets sensibel \u2013 aus seiner Perspektive wachsen diesen beiden Einh\u00f6rnern die gleichen H\u00f6rner.<\/p>\n\n\n\n

\"Die<\/figure>\n\n\n\n

Es scheint, dass die Homogenisierung der Basismodelle unweigerlich zu einer Konvergenz bei den Anwendungen in den oberen Schichten f\u00fchren wird.<\/p>\n\n\n\n

Heute m\u00f6chte ich \u00fcber zwei Benchmark-Tools sprechen, die den aktuellen Stand der Technik im Bereich der KI-gest\u00fctzten Programmierung repr\u00e4sentieren: \u201eCodex\u201c von OpenAI und \u201eClaude Code\u201c von Anthropic. W\u00e4hrend sie fr\u00fcher v\u00f6llig unterschiedliche Richtungen einschlugen, sind sie heute am selben Ziel ankommen<\/a>, wie haben sie nach und nach dieselbe Form angenommen?<\/p>\n\n\n\n

Von der Divergenz zur Konvergenz: Die Entwicklung zweier Giganten<\/h2>\n\n\n\n

Wenn wir ein paar Jahre zur\u00fcckblicken, waren Codex und Claude Code das Ergebnis v\u00f6llig unterschiedlicher technischer Philosophien.<\/p>\n\n\n\n

Die Grundidee hinter Codex lautete im Wesentlichen: \u201cGeschwindigkeit geht vor\u201d. Es war, als w\u00fcrde einem ein erfahrener Entwickler mit f\u00fcnf Jahren Berufserfahrung auf den Fersen sein, der jederzeit bereit ist, den Code automatisch zu vervollst\u00e4ndigen.<\/p>\n\n\n\n

\"Die<\/figure>\n\n\n\n

Nach der Vision von OpenAI war Codex ein schlanker, hochgradig interaktiver Terminal-Agent. Der Schwerpunkt lag auf schneller Iteration und interaktive Programmierung<\/a>. Die Ausf\u00fchrungsgeschwindigkeit war extrem hoch \u2013 dank der Cerebras WSE-3-Hardware konnte ein Durchsatz von 1.000 Tokens pro Sekunde erreicht werden. In den tats\u00e4chlichen Arbeitsabl\u00e4ufen bot Codex drei klare Genehmigungsmodi: Vorschlag, automatische Bearbeitung und vollst\u00e4ndige Automatisierung, wodurch die Entwickler stets auf dem Laufenden blieben. Dieses Design passte perfekt zu Entwicklern, die schnelles Prototyping und h\u00e4ufige Interaktion ben\u00f6tigten.<\/p>\n\n\n\n

Claude Code hingegen zeichnete sich von Anfang an durch eine \u201ck\u00fchle\u201d und zur\u00fcckhaltende, fast schon architektonische Pers\u00f6nlichkeit aus.<\/p>\n\n\n\n

\"Claude<\/figure>\n\n\n\n

Anthropic hat ihm die DNA daf\u00fcr gegeben, \u00e4u\u00dferst komplexe Aufgaben bew\u00e4ltigen<\/a>. Es st\u00fctzte sich auf ein riesiges Kontextfenster von bis zu 1 Million Token sowie auf eine einzigartige \u201cKomprimierungstechnik\u201d, um praktisch unbegrenzte Konversationen zu erm\u00f6glichen. Die Philosophie von Claude Code lautete: \u201cGlobale Kontrolle, Handeln nach der Planung.\u201d Bevor es eine Aktion ausf\u00fchrte, nutzte es zun\u00e4chst eine agentenbasierte Suche, um die gesamte Codebasis vollst\u00e4ndig zu verstehen, und koordinierte anschlie\u00dfend konsistente \u00c4nderungen \u00fcber mehrere Dateien hinweg. Bei Refactoring-Aufgaben auf Unternehmensebene, die Zehntausende von Codezeilen umfassten, zeigte Claude Code eine erstaunliche \u00dcberlegenheit.<\/p>\n\n\n\n

Im Laufe der Zeit und mit der Ausweitung der Anwendungsf\u00e4lle auf niedrigere Ebenen begannen diese beiden urspr\u00fcnglich sehr unterschiedlichen Werkzeuge jedoch, sich gegenseitig nachzuahmen.<\/p>\n\n\n\n

\"Bild\"<\/figure>\n\n\n\n

Bei der Bearbeitung komplexer Projekte ist die \u201eKontextverunreinigung\u201c der gr\u00f6\u00dfte Engpass f\u00fcr ein einzelnes KI-Modell. Wenn man eine KI damit beauftragt, ein Authentifizierungsmodul umzugestalten, vergisst sie nach dem Durchlesen von 40 Dateien oft das Entwurfsmuster der ersten Datei. Um dieses Problem zu l\u00f6sen, kamen beide Unternehmen zu nahezu identischen L\u00f6sungen: jeder Teilaufgabe werden eigenst\u00e4ndige Kontextfenster zugewiesen.<\/p>\n\n\n\n

OpenAI brachte z\u00fcgig eine neue macOS-Desktop-App auf den Markt, die Aufgaben projektbezogen in verschiedene Threads aufteilt und diese unabh\u00e4ngig voneinander in Cloud-Sandboxes ausf\u00fchrt. Anthropic f\u00fchrte eine Agent-Team-Architektur ein, die es Entwicklern erm\u00f6glicht, mehrere Unteragenten zu erstellen, die Aufgabenlisten und Abh\u00e4ngigkeiten gemeinsam nutzen und gleichzeitig parallel in separaten Kontexten arbeiten. Ob man es nun \u201cCloud-Sandbox\u201d oder \u201cAgent-Team\u201d nennt \u2013 die technische Kernidee ist nun vollst\u00e4ndig aufeinander abgestimmt.<\/p>\n\n\n\n

Selbst in den Benchmark-Ranglisten zeigen sie ein empfindliches Gleichgewicht. GPT-5.3-Codex f\u00fchrt im Terminal-Bench 2.0 mit einer Punktzahl von 77,31 TP3T, w\u00e4hrend Claude Code im komplexeren SWE-Bench Verified 80,81 TP3T erreicht. Beide dominieren jeweils ihren eigenen Spezialbereich und versuchen gleichzeitig, ihre Schw\u00e4chen aggressiv auszugleichen.<\/p>\n\n\n\n

Der OpenClaw-Effekt: Die unsichtbare Kraft, die Mauern einrei\u00dft<\/h2>\n\n\n\n

Wenn interne Strategien die Ursache f\u00fcr die Konvergenz sind, dann ist der Druck seitens des Open-Source-\u00d6kosystems eine externe Kraft, die nicht au\u00dfer Acht gelassen werden darf. In diesem Zusammenhang muss OpenClaw erw\u00e4hnt werden.<\/p>\n\n\n\n

Als Workflow-Framework aus der Open-Source-Community, OpenClaw<\/a> hat die von den Tech-Giganten errichteten \u00d6kosystemgrenzen praktisch niedergerissen. Es hat die Interaktion zwischen gro\u00dfen Modellen und lokalen Terminal-Toolchains standardisiert.<\/p>\n\n\n\n

Fr\u00fcher geh\u00f6rten Dinge wie die elegante Einbindung lokaler Git-Commits in ein Modell, die sichere Ausf\u00fchrung von Testskripten in einer Sandbox und die Durchf\u00fchrung einer mehrstufigen Verifikation von Schlussfolgerungen zu den propriet\u00e4ren \u201cBlack Technologies\u201d, auf die Codex und Claude Code besonders stolz waren.<\/p>\n\n\n\n

OpenClaw hat diese Prozesse jedoch in allgemeine Protokolle abstrahiert. Das bedeutet, dass Entwickler nicht mehr an eine bestimmte Plattform gebunden sind, nur um ein bestimmtes Kooperationsmodell nutzen zu k\u00f6nnen. Die Open-Source-Bewegung hat die Standardisierung zu einem unaufhaltsamen Trend gemacht. Angesichts dessen hatten sowohl OpenAI als auch Anthropic keine andere Wahl, als ihre Abwehrhaltung aufzugeben und sich an diese offenen Standards anzupassen.<\/p>\n\n\n\n

Wenn grundlegende technische Hindernisse durch Open-Source-Initiativen wie OpenClaw beseitigt werden und alle fortgeschrittenen Funktionen zur Standardausstattung werden, bleibt f\u00fcr Codex und Claude Code als einziger Weg nach vorne nur noch der endlose Wettbewerb auf der Ebene der subtilen Benutzererfahrung.<\/p>\n\n\n\n

Deshalb \u00e4hneln sie sich immer mehr. Innerhalb eines standardisierten Rahmens gibt es oft nur eine optimale L\u00f6sung \u2013 genau wie bei der konvergenten Evolution in der Biologie.<\/p>\n\n\n\n

Codex holt gegen\u00fcber Claude Code auf<\/h2>\n\n\n\n

Obwohl sich Claude Code und Codex immer mehr ann\u00e4hern, bestehen nach wie vor Unterschiede. In mancher Hinsicht wird Codex von Entwicklern sogar zunehmend bevorzugt.<\/p>\n\n\n\n

Vor einigen Tagen hat ein leitender Ingenieur mit 14 Jahren Berufserfahrung (Nutzer u\/Canamerican726) in der Community \u201er\/ClaudeCode\u201c eine sehr fundierte Bewertung ver\u00f6ffentlicht.<\/p>\n\n\n\n

Bei einem komplexen Projekt mit 80.000 Codezeilen verbrachte er 100 Stunden mit Claude Code und 20 Stunden mit Codex.<\/p>\n\n\n\n

Aus seiner Sicht kam die Verwendung von Claude Code dem Gef\u00fchl gleich, einen Ingenieur zu beaufsichtigen, der gegen eine Deadline ank\u00e4mpft \u2013 es ging extrem schnell voran, aber die in CLAUDE.md festgelegten Regeln wurden oft ignoriert, und es wurde eher dazu tendiert, Code in bestehende Dateien zu packen, anstatt ihn zu \u00fcberarbeiten.<\/p>\n\n\n\n

Im Gegensatz dazu wirkte Codex wie ein zuverl\u00e4ssiger, erfahrener Entwickler mit 5\u20136 Jahren Berufserfahrung. Obwohl er 3\u20134 Mal langsamer war, hielt er zwischendurch inne, um nachzudenken und den Code zu \u00fcberarbeiten, und hielt sich strikt an die Vorgaben. Dank dieses Ma\u00dfes an Eigenst\u00e4ndigkeit konnte der Ingenieur ihm Aufgaben getrost \u00fcbertragen und sich auf andere Arbeiten konzentrieren.<\/p>\n\n\n\n

\u00c4hnliche Meinungen wurden auf Plattformen wie X ge\u00e4u\u00dfert. Der Forscher Aran Komatsuzaki stellte fest, dass Claude Code bei Frontend-Aufgaben nach wie vor f\u00fchrend ist, Codex jedoch bei der Backend-Planung und der Pflege aktueller Informationen aufgrund h\u00e4ufiger Websuchen zuverl\u00e4ssiger ist.<\/p>\n\n\n\n

\"<\/figure>\n\n\n\n

In Diskussionen aus der Praxis wiesen Entwickler darauf hin, dass auf Opus basierende Modelle zwar schnell laufen, dabei aber oft \u201cCode-Sauberkeitsschulden\u201d anh\u00e4ufen, w\u00e4hrend Codex zwar langsamer arbeitet, aber den Code im Laufe der Ausf\u00fchrung bereinigt. Einige fassten sogar eine Faustregel zusammen: Wenn die Auslastung des Kontextfensters 70% erreicht, sollte man sofort eine neue Sitzung starten, da sonst versteckte Fehler auftreten k\u00f6nnen.<\/p>\n\n\n\n

Diese Erfahrungen aus erster Hand zeigen deutlich, dass sich die Funktionen dieser Tools zwar immer st\u00e4rker \u00fcberschneiden, die Pr\u00e4ferenz der Entwickler letztlich jedoch von kleinen Unterschieden in der Benutzererfahrung bestimmt wird \u2013 beispielsweise von Faktoren wie den \u201cKosten f\u00fcr die Fehlerbehebung\u201d und dem \u201cmentalen Wartungsaufwand\u201d. F\u00fcr chinesische Nutzer ergeben sich dar\u00fcber hinaus noch einige zus\u00e4tzliche Herausforderungen.<\/p>\n\n\n\n

Eine k\u00fchle Betrachtung: Der verborgene Krieg der \u00d6kosysteme hinter der Homogenisierung<\/h2>\n\n\n\n

Nat\u00fcrlich h\u00e4ngt es immer noch vom Entwickler \u2013 und dessen eigenem Kenntnisstand \u2013 ab, welches Tool besser ist. Wie u\/Canamerican726 feststellte: Wenn man sich mit Softwareentwicklung nicht auskennt, liefern beide Tools schlechte Ergebnisse. Tools sind nicht dasselbe wie F\u00e4higkeiten.<\/p>\n\n\n\n

Diese Aussage r\u00e4umt mit einer seit langem bestehenden Illusion im Bereich der KI-Programmierwerkzeuge auf. Fr\u00fcher glaubten wir, dass mit einem ausreichend leistungsf\u00e4higen KI-Assistenten selbst jemand ohne Vorkenntnisse allein Anwendungen auf Unternehmensniveau entwickeln k\u00f6nnte. Doch die Realit\u00e4t sieht anders aus.<\/p>\n\n\n\n

Claude Code ben\u00f6tigt einen \u00e4u\u00dferst zielstrebigen und kompetenten \u201cTreiber\u201d, da es sonst in gro\u00dfen Codebasen leicht die Orientierung verlieren kann. Codex ist zwar unabh\u00e4ngiger, ben\u00f6tigt aber dennoch pr\u00e4zise Systemkontexte vom Entwickler, um seine volle Leistungsf\u00e4higkeit zu entfalten.<\/p>\n\n\n\n

Wenn also die Leistungsmerkmale der Werkzeuge immer einheitlicher werden, wohin verlagern sich dann die tats\u00e4chlichen Wettbewerbsvorteile dieser Unternehmen?<\/p>\n\n\n\n

Die Antwort liegt in den Preisstrategien und den finanziellen Gegebenheiten. F\u00fcr dieselbe Aufgabe verbraucht Claude Code oft 3\u20134 Mal mehr Token als Codex, was es teurer macht. F\u00fcr Unternehmensteams ist die Nutzung von Claude Code kann $100\u2013$200 kosten<\/a> pro Entwickler und Monat. Codex hingegen b\u00fcndelt seine Funktionen in g\u00fcnstigeren Abonnementmodellen und nutzt das riesige GitHub-\u00d6kosystem, um Nutzer zu gewinnen.<\/p>\n\n\n\n

Anthropic hat sich zum Ziel gesetzt, Claude Code tief in die Arbeitsabl\u00e4ufe finanzstarker Tech-Giganten zu integrieren. So erm\u00f6glichte Stripe beispielsweise 1.370 Ingenieuren, mithilfe von Claude Code eine sprach\u00fcbergreifende Migration in vier Tagen abzuschlie\u00dfen \u2013 eine Aufgabe, f\u00fcr die ein Team von zehn Personen Wochen gebraucht h\u00e4tte. Ramp nutzte die Technologie, um die Reaktionszeit bei Vorf\u00e4llen um 80% zu verk\u00fcrzen. OpenAI hingegen setzt auf die weitreichende Pr\u00e4senz seines \u00d6kosystems, um Codex f\u00fcr viele Entwickler zur ersten Wahl im Alltag zu machen.<\/p>\n\n\n\n

Hier geht es nicht mehr nur um einen technischen Wettstreit \u2013 es ist ein Kampf um die Bindung an ein \u00d6kosystem, um Preisstrategien und um die Pr\u00e4gung von Nutzergewohnheiten.<\/p>\n\n\n\n

Die Weggabelung des Entwicklers<\/h2>\n\n\n\n

Im R\u00fcckblick auf das vergangene Jahr ist die Ver\u00f6ffentlichung von GPT-5.4-Cyber nur eine kleine Fu\u00dfnote in einem viel l\u00e4ngeren Kampf. Die Zusammenf\u00fchrung von Codex und Claude Code signalisiert, dass KI-Programmierwerkzeuge sich von einer fr\u00fchen, experimentellen Phase voller Neuerungen hin zu einer ausgereiften, industrialisierten Phase entwickelt haben.<\/p>\n\n\n\n

Heute generiert Claude Code t\u00e4glich 135.000 GitHub-Commits, was bereits etwa 4% aller \u00f6ffentlichen Commits ausmacht. In naher Zukunft werden der Gro\u00dfteil des Boilerplate-Codes, einfache Testf\u00e4lle und routinem\u00e4\u00dfige Refactorings wahrscheinlich still und leise im Hintergrund von diesen sich immer \u00e4hnlicher werdenden KI-Agenten erledigt werden.<\/p>\n\n\n\n

Angesichts zweier hervorragender Tools, die in ihren Funktionen nahezu identisch sind und sich auch in der Benutzererfahrung immer mehr angleichen \u2013 was bleibt da noch vom Kernwert des menschlichen Entwicklers \u00fcbrig?<\/p>\n\n\n\n

Vielleicht neigt sich die \u00c4ra des Werkzeugvorteils dem Ende zu. Wenn jeder \u00fcber dieselbe schlagkr\u00e4ftige Waffe verf\u00fcgt, wird der Erfolg nicht mehr davon abh\u00e4ngen, wer die schnellere Code-Vervollst\u00e4ndigung hat \u2013 sondern davon, wer Probleme besser definieren kann, wer eine umfassendere Vision der Systemarchitektur hat und wer in einer Welt voller KI-generiertem Code die einzigartige, unersetzbare Rolle des Menschen erkennen kann.<\/p>","protected":false},"excerpt":{"rendered":"

A few days ago, OpenAI officially released its brand-new large model, GPT-5.4-Cyber. Like many people online have said, this model gives a very strong sense of d\u00e9j\u00e0 vu. This new model, in its target users, application scenarios, and even marketing strategy, almost completely mirrors Anthropic\u2019s recently released Claude Mythos. This kind of \u201cclose combat\u201d has […]<\/p>\n","protected":false},"author":1,"featured_media":2445,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_titles_title":"%%post_title%%","_seopress_titles_desc":"Codex vs Claude Code: a deep comparison of today\u2019s leading AI coding tools. Explore performance, cost, architecture, and why they\u2019re becoming increasingly similar.","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"none","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"both","_seopress_redirections_param":"","_seopress_redirections_type":301,"_seopress_analysis_target_kw":"","_uag_custom_page_level_css":"","site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[2,3],"tags":[],"class_list":["post-2437","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news","category-ai-tools"],"uagb_featured_image_src":{"full":["https:\/\/deepinsightai.io\/wp-content\/uploads\/2026\/04\/ChatGPT-Codex-vs-Claude-Code.webp",2528,1696,false],"thumbnail":["https:\/\/deepinsightai.io\/wp-content\/uploads\/2026\/04\/ChatGPT-Codex-vs-Claude-Code-150x150.webp",150,150,true],"medium":["https:\/\/deepinsightai.io\/wp-content\/uploads\/2026\/04\/ChatGPT-Codex-vs-Claude-Code-300x201.webp",300,201,true],"medium_large":["https:\/\/deepinsightai.io\/wp-content\/uploads\/2026\/04\/ChatGPT-Codex-vs-Claude-Code-768x515.webp",768,515,true],"large":["https:\/\/deepinsightai.io\/wp-content\/uploads\/2026\/04\/ChatGPT-Codex-vs-Claude-Code-1024x687.webp",1024,687,true],"1536x1536":["https:\/\/deepinsightai.io\/wp-content\/uploads\/2026\/04\/ChatGPT-Codex-vs-Claude-Code-1536x1030.webp",1536,1030,true],"2048x2048":["https:\/\/deepinsightai.io\/wp-content\/uploads\/2026\/04\/ChatGPT-Codex-vs-Claude-Code-2048x1374.webp",2048,1374,true],"trp-custom-language-flag":["https:\/\/deepinsightai.io\/wp-content\/uploads\/2026\/04\/ChatGPT-Codex-vs-Claude-Code-18x12.webp",18,12,true]},"uagb_author_info":{"display_name":"Claude Carter","author_link":"https:\/\/deepinsightai.io\/de\/author\/cloud-han03gmail-com\/"},"uagb_comment_info":0,"uagb_excerpt":"A few days ago, OpenAI officially released its brand-new large model, GPT-5.4-Cyber. Like many people online have said, this model gives a very strong sense of d\u00e9j\u00e0 vu. This new model, in its target users, application scenarios, and even marketing strategy, almost completely mirrors Anthropic\u2019s recently released Claude Mythos. This kind of \u201cclose combat\u201d has…","_links":{"self":[{"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/posts\/2437","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/comments?post=2437"}],"version-history":[{"count":1,"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/posts\/2437\/revisions"}],"predecessor-version":[{"id":2446,"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/posts\/2437\/revisions\/2446"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/media\/2445"}],"wp:attachment":[{"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/media?parent=2437"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/categories?post=2437"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/deepinsightai.io\/de\/wp-json\/wp\/v2\/tags?post=2437"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}