Claude Code vs OpenAI Codex vs Gemini CLI: der beste KI-Programmieragent 2026

Noch vor kurzer Zeit ließ sich die Wahl eines KI-Programmierwerkzeugs auf eine Frage reduzieren: Welches Modell schlägt die nächste Codezeile am besten vor? Im Jahr 2026 ist diese Frage zu eng.

Claude Code, OpenAI Codex und Gemini CLI sind keine gewöhnlichen Autovervollständiger. Sie können ein Repository untersuchen, viele Dateien ändern, Builds starten, Fehler beheben, Tests schreiben, mit Git arbeiten und externe Werkzeuge aufrufen. Der Unterschied liegt daher nicht nur in der Qualität des erzeugten Codes. Viel wichtiger ist, wie der Agent seine Arbeit plant, wie lange er den Kontext hält, was er ohne Rückfrage ausführen darf und wie leicht ein Mensch seine Änderungen kontrollieren kann.

Nach einem genauen Vergleich der aktuellen Versionen gibt es keinen einzigen Sieger für jedes Team.

Claude Code ist derzeit die beste Wahl für die tägliche, interaktive Arbeit an einem echten Repository. OpenAI Codex gewinnt, wenn viele unabhängige Aufgaben delegiert, im Hintergrund ausgeführt und mehrere Agenten gleichzeitig beaufsichtigt werden sollen. Gemini CLI bleibt ein sehr flexibles, offenes Werkzeug für Unternehmen im Google-Cloud-Umfeld, ist seit dem 18. Juni 2026 jedoch nicht mehr der normale Consumer-Zugang für Nutzer von Google AI Pro und Ultra. [1][2][3]

Dieser letzte Punkt ist besonders wichtig, weil viele Vergleiche im Internet Gemini CLI weiterhin so beschreiben, als könne sich ein einzelner Entwickler einfach mit einem Google-Konto anmelden und die früheren Limits nutzen. Google hat diesen Weg offiziell beendet und verweist diese Nutzer auf Antigravity CLI. [3]

Wichtige Änderung: Gemini CLI ist keine normale Consumer-Option mehr

Seit dem 18. Juni 2026 verarbeitet Gemini Code Assist für Einzelanwender sowie Google AI Pro und Ultra keine Anfragen mehr, die über Gemini CLI gesendet werden. Auch die Option „Sign in with Google“ wurde für diese Stufen entfernt. Google empfiehlt die Migration zu Antigravity CLI. [3]

Gemini CLI wurde nicht vollständig eingestellt. Es funktioniert weiterhin für:

• Gemini Code Assist Standard und Enterprise,
• kostenpflichtige Gemini-API-Schlüssel,
• Vertex AI,
• ausgewählte Organisationskonten und Google-Cloud-Umgebungen.

Das Projekt wird weiterhin aktiv entwickelt und steht unter Apache 2.0. Geändert hat sich seine Marktposition. Heute ist es für die meisten unabhängigen Entwickler kein direkter Gegenpart zu Claude Code und Codex mehr. Es ist eher ein offener Terminal-Agent für API-Kunden und Organisationen im Google-Ökosystem. [3][4]

Hinzu kommt eine Informationslücke: Die Hauptseite des Gemini-CLI-Repositorys beschreibt weiterhin eine kostenlose Stufe mit Google-Anmeldung, während die offizielle Deprecation-Seite erklärt, dass dieser Weg beendet wurde. Für Entscheidungen sollte die Deprecation-Mitteilung Vorrang vor einem älteren README-Abschnitt haben. [3][4]

Schneller Vergleich

Kategorie	Claude Code	OpenAI Codex	Gemini CLI
Anbieter	Anthropic	OpenAI	Google
Hauptarbeitsweise	Interaktiver Partner im Repository	Delegation und Überwachung vieler Agenten	Offener Terminal-Agent für APIs und Google Cloud
Standardmodell	Claude Sonnet 5	GPT-5.6 Sol, medium	Automatisches Gemini-Routing
Stärkste Option	Claude Fable 5	GPT-5.6 Sol mit höherem Reasoning	Stärkstes verfügbares Gemini Pro
Terminal	Ja	Ja	Ja
IDE	VS Code, JetBrains	VS Code und kompatible Editoren	VS Code und Code-Assist-Agent-Modus
Desktop-App	Ja	Ja	Keine eigenständige Gemini-CLI-App
Cloud-Aufgaben	Ja	Ja, sehr umfangreich	Über das Google-Cloud-Ökosystem
Parallele Aufgaben	Sitzungen, Subagenten, Worktrees	Threads, Subagenten, Worktrees und Cloud Tasks	Subagenten und Erweiterungen
Projektanweisungen	CLAUDE.md	AGENTS.md	GEMINI.md
MCP	Ja	Ja	Ja
Hooks	Umfangreich	Über Erweiterungen und Automatisierung	Ja
Integrierte Worktrees	Ja	Ja	Keine gleichwertig kohärente Produktschicht
Offener Client-Code	Nein	Ja, Apache 2.0	Ja, Apache 2.0
Zugang für Einzelanwender	Pro ab 20 USD/Monat	Free, Go, Plus, Pro	Google-Login für Consumer eingestellt
Am besten für	Tägliche Arbeit am Code	Parallele Umsetzung und Delegation	Unternehmen mit Google Cloud und API-Nutzer

Der Funktionsvergleich basiert auf den aktuellen Herstellerdokumentationen. [1][2][4][5][6]

Ein Agent ist kein Modell

In vielen Ranglisten werden Claude Code, Codex und Gemini CLI behandelt, als wären sie Sprachmodelle. Das ist falsch.

Ein Programmieragent besteht mindestens aus fünf Elementen:

1. dem Modell,
2. dem Systemprompt,
3. dem Werkzeugsatz,
4. den Regeln für Berechtigungen und Umgebung,
5. der Kontextverwaltung.

Derselbe Agent kann nach einem Modellwechsel oder einer anderen Reasoning-Stufe ganz andere Ergebnisse erzielen. Dasselbe Modell kann in zwei Clients ebenfalls unterschiedlich abschneiden, wenn einer Dateien besser auswählt, den Verlauf zuverlässiger bewahrt, Tests automatisch ausführt oder andere Kommandos bereitstellt.

„Claude Code 83,8 %“ ist deshalb kein Ergebnis von Claude Fable 5 allein. Es ist das Ergebnis einer bestimmten Konfiguration: Claude Code, Fable 5, eine festgelegte Aufwandsstufe, konkrete Werkzeuge und eine definierte Testmethodik.

Diese Unterscheidung ist für einen fairen Vergleich entscheidend.

Claude Code: der beste Partner für die Arbeit im Repository

Claude Code ist ein agentisches Werkzeug, das Code liest, Dateien bearbeitet, Befehle ausführt und sich in Terminal, IDE, Desktop-App und Browser integriert. Anthropic baut es um eine fortlaufende Arbeitssitzung auf: Der Nutzer gibt eine Aufgabe, beobachtet die Analyse, korrigiert die Richtung, prüft Änderungen und führt den Agenten durch weitere Schritte. [1]

In der Praxis ist es für einen Entwickler, der an einem Repository arbeitet und den Agenten wie ein sehr schnelles Teammitglied behandeln möchte, das natürlichste der drei Werkzeuge.

Claude Code beherrscht den typischen Ablauf gut:

• Projektstruktur verstehen,
• Fehlerursache finden,
• Plan vorschlagen,
• mehrere oder viele Dateien ändern,
• Tests ausführen,
• Regressionen beheben,
• den fertigen Diff beschreiben.

Der Planungsmodus trennt Analyse und Dateiänderungen. Bei größeren Eingriffen kann zunächst ein Migrations- oder Refactoring-Plan geprüft werden, bevor der Agent Code verändert. Anthropic dokumentiert außerdem parallele Sitzungen mit Worktrees, Delegation an Subagenten und das Fortsetzen von Gesprächen über mehrere Sitzungen. [7]

Sonnet 5 ist Standard, Fable 5 muss gewählt werden

Das aktuelle Standardmodell in Claude Code ist Claude Sonnet 5 mit einem nativen Kontext von einer Million Token. Fable 5, Anthropics stärkstes breit verfügbares Modell, wird nicht automatisch ausgewählt. Der Nutzer muss es etwa mit /model manuell aktivieren. [8][9]

Das ist wichtig, weil das beste Terminal-Bench-Ergebnis mit Fable 5 erzielt wurde und nicht mit dem standardmäßigen Sonnet 5.

Fable 5 ist über die API außerdem deutlich teurer: 10 USD pro Million Eingabetoken und 50 USD pro Million Ausgabetoken. Sonnet 5 kostet 3 beziehungsweise 15 USD; bis Ende August gilt zeitweise ein niedrigerer Aktionspreis. [10]

Für die meisten täglichen Aufgaben ist Sonnet 5 vernünftiger. Fable lohnt sich bei teuren, schwer reproduzierbaren oder sehr langen Aufgaben.

Subagenten, Skills und Hooks

Claude Code kann spezialisierte Subagenten mit eigenem Kontext, Werkzeugen und Berechtigungsregeln erstellen. Ein Agent durchsucht das Repository, ein anderer analysiert Tests, ein dritter prüft die Sicherheit. Die Ergebnisse fließen in die Hauptsitzung zurück, ohne deren Kontext mit allen Nebendetails zu füllen. [11]

Skills speichern wiederverwendbare Abläufe. Release, Migration oder Code Review können in einer SKILL.md beschrieben werden, statt jedes Mal neu erklärt zu werden. [12]

Hooks sind noch praktischer, weil sie deterministisch arbeiten. Sie können nach einer Bearbeitung den Formatter starten, gefährliche Befehle blockieren oder vor Abschluss den Linter ausführen. Shell-Hooks laufen allerdings mit den Rechten des Systembenutzers. Ein fehlerhafter Hook ist daher ebenso gefährlich wie ein fehlerhaftes Skript. [13]

Größte Stärken von Claude Code

Claude Code überzeugt durch:

• sehr gutes Verständnis bestehender Repositorys,
• natürliche schrittweise Zusammenarbeit,
• einen ausgereiften Planungsmodus,
• ein reiches System dauerhafter Anweisungen,
• Subagenten mit isoliertem Kontext,
• Hooks, Skills und MCP,
• Worktrees und parallele Sitzungen,
• Nutzung über Terminal, IDE, Desktop, Browser und Slack.

Den größten Wert bietet es, wenn ein Entwickler nicht nur eine Aufgabe abgeben, sondern ein längeres technisches Gespräch über Architektur, Kompromisse und Folgeänderungen führen möchte.

OpenAI Codex: am besten für Delegation und Parallelität

Codex CLI arbeitet ebenfalls lokal, liest Repositorys, bearbeitet Dateien und nutzt verfügbare Werkzeuge. OpenAI hat das Produkt jedoch in eine andere Richtung erweitert. Codex umfasst heute CLI, IDE-Erweiterung, Desktop-App, Weboberfläche und Cloud-Umgebungen. [2][14]

Die größte Stärke von Codex ist nicht ein einzelnes Gespräch, sondern das gleichzeitige Ausführen vieler Threads.

In der Desktop-App kann jeder Agent in einem eigenen Thread und Worktree arbeiten. Der Entwickler sieht Aufgabenliste, Fortschritt, Diff und offene Entscheidungen. Das ähnelt eher der Leitung eines kleinen Teams als klassischem Pair Programming. [15]

Standardmäßig GPT-5.6 Sol mit mittlerem Reasoning

Die aktuelle „Power“-Konfiguration verwendet GPT-5.6 Sol mit medium Reasoning. OpenAI bietet außerdem Terra und Luna an: Terra balanciert Qualität und Kosten, Luna ist schneller und günstiger für einfachere Aufgaben. Modell und Reasoning-Stufe lassen sich manuell ändern. [6][16]

Das ist für Benchmarks wichtig. Die 83,1 % von Codex in Terminal-Bench 2.1 wurden mit GPT-5.5 und xhigh erreicht, nicht mit dem aktuellen Standard GPT-5.6 Sol medium. Ein neueres Modell führt nicht automatisch, wenn das Reasoning-Budget anders ist oder noch kein identischer Test vorliegt.

Cloud, GitHub, Slack und Linear

Codex Cloud führt Aufgaben in isolierten Umgebungen aus, lässt sie im Hintergrund laufen und kann mehrere Lösungsversuche vergleichen. Eine Aufgabe kann im Web, auf GitHub, in Linear oder in einem Slack-Thread starten. [17][18]

Das ist ein Vorteil für Teams, deren Arbeit oft außerhalb des Terminals beginnt. Ein in Slack beschriebener Fehler kann an den Agenten übergeben, mit einem Repository verbunden, in der Cloud bearbeitet und als prüfbare Änderung zurückgegeben werden.

Claude Code kann ebenfalls parallel und in der Cloud arbeiten, aber Codex stellt diesen Arbeitsstil einheitlicher dar. Die App wurde von Anfang an als „Command Center“ für mehrere Agenten entworfen. [15]

Sandbox und Berechtigungen

Codex betont die Grenze zwischen Agent und Benutzersystem. Die Dokumentation trennt:

• die Sandbox, die den technischen Zugriff festlegt,
• die Approval Policy, die bestimmt, wann eine Zustimmung nötig ist.

Standardmäßig arbeitet der lokale Agent in einer eingeschränkten Umgebung rund um den Workspace; Netzwerkzugriff kann deaktiviert sein. Die Regeln können je nach Projekt verschärft oder erweitert werden. [19]

Das garantiert keine Sicherheit, macht die Grenzen der Autonomie aber leichter nachvollziehbar. Codex passt zu Teams, die Ausführungsrichtlinien zentral festlegen und Systemzugriffe begrenzen möchten.

Größte Stärken von Codex

Codex ist besonders stark bei:

• vielen unabhängigen Agenten,
• langen Hintergrundaufgaben,
• Worktrees ohne manuelle Einrichtung,
• Delegation aus GitHub, Slack und Linear,
• mehreren Lösungsversuchen,
• Desktop, Terminal, IDE und Cloud,
• klarer Trennung von Sandbox und Zustimmung,
• Integration in bestehende ChatGPT-Pläne.

Für ein einzelnes Problem wirkt Claude Code oft direkter. Für einen technischen Leiter, der parallel Refactoring, Tests, Dokumentation und Regressionsanalyse anstoßen möchte, ist Codex häufig bequemer.

Gemini CLI: guter Agent, aber für ein anderes Publikum als vor einem Jahr

Gemini CLI ist ein offener Terminal-Agent unter Apache 2.0. Er kann große Codebasen lesen und bearbeiten, Befehle ausführen, Google Search nutzen, Webseiten abrufen, MCP-Server anbinden und nichtinteraktiv laufen. Je nach Modell unterstützt er auch Bilder und weitere multimodale Eingaben. [4]

Für das offene KI-Werkzeug-Ökosystem ist das Projekt wichtig. Der Client kann auditiert, verändert und in eigene Prozesse integriert werden. Unterstützt werden GEMINI.md, Sitzungs-Checkpoints, Erweiterungen, Subagenten, Skills und GitHub Actions. [4]

Das Problem ist nicht der Funktionsumfang, sondern die aktuelle Verteilung.

Nach der Einstellung des Consumer-Zugangs

Einzelanwender sowie Google-AI-Pro- und Ultra-Nutzer wurden zu Antigravity CLI verschoben. Gemini CLI funktioniert weiterhin mit kostenpflichtiger Gemini API, Vertex AI sowie Gemini Code Assist Standard oder Enterprise. [3][20]

Für ein Unternehmen in Google Cloud kann das ein Vorteil sein: Authentifizierung, IAM, Abrechnung, Logs und Datenrichtlinien bleiben in einem Ökosystem. Für Freelancer und kleine Teams bedeutet es zusätzliche Einrichtung und ein weniger eindeutiges Kostenmodell als Claude Pro oder ChatGPT Plus.

Automatisches Modellrouting

Gemini CLI kann einfachere Anfragen automatisch an Flash und schwierigere an Pro schicken. Das spart Quote und Kosten, erschwert aber direkte Vergleiche. „Gemini CLI“ sagt allein noch nicht, welches Modell einen bestimmten Arbeitsschritt ausgeführt hat.

Auch Planung und Implementierung können unterschiedliche Modelle nutzen. Wirtschaftlich ist das sinnvoll; für reproduzierbare Prozesse muss die konkrete Konfiguration protokolliert werden.

Google Cloud und Unternehmensdatenschutz

Für Gemini Code Assist Standard und Enterprise erklärt Google, Kundendaten nicht ohne Zustimmung zum Modelltraining zu verwenden. Die Dienste bieten IAM-Kontrollen und Google-Cloud-Sicherheitsmechanismen. Enterprise kann private Repositorys zur Personalisierung einbeziehen, ohne das Basismodell auf diesem Code zu trainieren. [21][22]

Das ist ein starkes Argument für Organisationen, die bereits Google Cloud nutzen. Für Einzelanwender ist es kein Grund, Gemini CLI statt Antigravity CLI zu wählen, nachdem Google den empfohlenen Weg offiziell geändert hat.

Was sagt Terminal-Bench 2.1 wirklich?

Terminal-Bench misst, wie gut Agenten reale Aufgaben in einer Terminalumgebung ausführen. Dazu gehören Software Engineering, maschinelles Lernen, Sicherheit und Datenanalyse. [23]

Das aktuelle öffentliche Leaderboard zeigte:

Konfiguration	Ergebnis
Claude Code + Claude Fable 5, xhigh	83,8 %
Codex + GPT-5.5, xhigh	83,1 %
Claude Code + Claude Opus 4.8, high	78,9 %
Codex + GPT-5.6 Terra, max	78,4 %
Codex + GPT-5.6 Luna, max	75,7 %
Claude Code + Claude Sonnet 5, high	74,6 %
Gemini CLI + Gemini 3 Pro / 3.1 Pro, high	65,8 %

Zwischen Platz eins und zwei liegt weniger als ein Prozentpunkt, nahe an den berichteten Unsicherheitsintervallen. Eine vernichtende Überlegenheit von Claude Code gegenüber Codex lässt sich daraus nicht ableiten. [23]

Die Ergebnisse zeigen jedoch drei Dinge.

Erstens benötigt das beste Claude-Code-Ergebnis Fable 5 und eine hohe Reasoning-Stufe. Es ist keine typische Standardsitzung.

Zweitens sind die aktuellen Standardkonfigurationen nicht zwingend direkt vertreten. Codex nutzt standardmäßig Sol medium, Claude Code Sonnet 5. Der Benchmark vergleicht ausgewählte Konfigurationen, nicht den Alltag jedes Nutzers.

Drittens liegt Gemini CLI in diesem Test deutlich zurück. Das macht es nicht nutzlos, aber bei den schwierigsten Terminalaufgaben erreicht es derzeit nicht das Niveau der beiden Führenden.

Tägliche Arbeit in einem Repository

Hier bietet Claude Code das gleichmäßigste Erlebnis.

Der Vorteil entsteht nicht immer aus einem einzelnen genialen Patch, sondern häufiger aus der Dialogqualität. Claude reagiert meist gut auf Vorgaben wie:

• öffentliche API nicht ändern,
• dieses Modul unangetastet lassen,
• zuerst den Plan zeigen,
• alle Aufrufstellen dieser Funktion prüfen,
• Tests nur für das geänderte Paket ausführen,
• Risiken vor der Implementierung erklären.

Codex kann das ebenfalls, fühlt sich aber natürlicher an, wenn die Aufgabe klar abgegrenzt und delegierbar ist. Die Oberfläche fördert getrennte Threads und die Prüfung fertiger Ergebnisse.

Gemini CLI ist funktional, wirkt jedoch stärker wie ein Baukasten, der an die eigene Umgebung angepasst werden muss. Für Google-Cloud-Nutzer kann das erwünscht sein. Wer ein möglichst fertiges „installieren und arbeiten“-Erlebnis sucht, ist mit Claude Code oder Codex schneller.

Parallele Arbeit und lange Aufgaben

2026 können alle drei Werkzeuge Aufgaben zerlegen. Der Unterschied liegt in der Überwachung.

Claude Code bietet Subagenten, parallele Sitzungen und Worktrees. Es funktioniert gut, wenn der Hauptagent das Zentrum der Unterhaltung bleibt und Hilfsarbeiten im Hintergrund delegiert werden. [7][11]

Codex baut das ganze Produkt um Parallelität. Separate Threads, Worktrees, Cloud-Umgebungen, mehrere Versuche und ein gemeinsamer Überblick ergeben das vollständigste Multi-Agent-Erlebnis. [15][17]

Gemini CLI besitzt Subagenten und Erweiterungen, aber keine gleichwertig kohärente Oberfläche für mehrere Arbeitsströme. Google verlagert diesen Stil zu Antigravity 2.0, das als Zentrale für mehrere autonome Agenten positioniert wird. [24]

In dieser Kategorie gewinnt Codex.

Berechtigungen und Sicherheit

Ein Programmieragent kann Dateien löschen, Skripte ausführen, Code herunterladen, Umgebungsvariablen lesen oder Migrationen starten. Entscheidend ist nicht, ob ein Anbieter „safe“ sagt, sondern ob harte Grenzen gesetzt werden können.

Codex bietet das klarste Modell für Sandbox und Zustimmungen. Datei-, Netzwerkzugriff und Bestätigungspflichten lassen sich getrennt steuern. [19]

Claude Code bietet umfangreiche Berechtigungsmodi, Plan Mode und blockierende Hooks. Diese Flexibilität erfordert Disziplin. Ein Hook mit vollen Benutzerrechten kann einen Teil der Vorsicht der Sitzung umgehen. [13]

Gemini CLI unterstützt Sandboxen, vertrauenswürdige Ordner und Sicherheitsrichtlinien, doch die Konfiguration hängt stärker von der Betriebsart ab. Offener Client-Code erleichtert Audits, garantiert aber keine sichere Einrichtung.

Unabhängig vom Werkzeug sind folgende Regeln sinnvoll:

• Agent in separatem Branch oder Worktree,
• keine Secrets in gewöhnlichen Workspace-Dateien,
• Netzwerkzugriff standardmäßig beschränkt,
• Migrationen und destruktive Aktionen nur nach Zustimmung,
• generierter Code durch Tests und Code Review,
• kein direkter Produktionszugriff aus einer normalen Agentensitzung.

Erweiterbarkeit: MCP, Anweisungen und Automatisierung

Alle drei Werkzeuge unterstützen MCP und können interne Datenbanken, Ticketsysteme, Dokumentation und andere Dienste anbinden.

Claude Code bietet den reifsten Werkzeugkasten für Projektverhalten:

• CLAUDE.md,
• Skills,
• Hooks,
• Subagenten,
• Plugins,
• MCP,
• Agent SDK. [11][12][13][25]

Codex bietet:

• AGENTS.md,
• Skills,
• Subagenten,
• MCP,
• Automatisierungen,
• Codex SDK,
• Cloud-Integrationen. [15][17][26]

Gemini CLI nutzt:

• GEMINI.md,
• Extensions,
• Skills,
• Hooks,
• Subagenten,
• MCP,
• Headless-Modus und GitHub Actions. [4]

Einen eindeutigen Sieger gibt es nicht. Claude Code eignet sich am besten für präzise Repository-Regeln. Codex bietet die breiteste Delegation außerhalb des Terminals. Gemini CLI erlaubt die stärkste Anpassung des Clients selbst.

Preise und Abrechnung

Preise sind schwieriger zu vergleichen als Abonnements, da Nutzung von Modell, Tokenmenge, Aufgabenschwierigkeit und Parallelität abhängt.

Werkzeug	Einfachster Zugang	Höhere Stufen
Claude Code	Claude Pro: 20 USD/Monat	Max ab 100 USD; Team 25 USD/Monat pro Standardplatz
OpenAI Codex	Begrenzter Free-Zugang; Go 8 USD; Plus 20 USD	Pro ab 100 USD; Business und Enterprise
Gemini CLI	Installation kostenlos, aber unterstützter Modellzugang nötig	Bezahlte Gemini API, Vertex AI oder Code Assist Standard/Enterprise

Claude Pro und ChatGPT Plus kosten jeweils 20 USD pro Monat. Für Einzelentwickler ist die Einstiegshürde daher ähnlich. Codex ist auch in Free und Go mit kleineren Limits verfügbar. [10][27]

Intensive Nutzung führt bei beiden Diensten zu Limits oder Zusatzkrediten. Der Abopreis allein beschreibt die Kosten schlecht. Eine einstündige Agentenarbeit an einem großen Repository kann mehr verbrauchen als viele kurze Sitzungen.

Gemini CLI besitzt kein einfaches Consumer-Abo mehr, das mit dem früheren Google-Login verbunden ist. Einzelanwender sollten Gemini-API-Preise prüfen oder zu Antigravity CLI wechseln. Organisationen nutzen tägliche Limits von Code Assist Standard und Enterprise, gemeinsam mit Agent Mode. [3][20]

Datenschutz und Unternehmenscode

Bei Quellcode müssen Einzelkonten und Geschäftstarife getrennt betrachtet werden.

Anthropic nutzt Daten aus kommerziellen Produkten wie Team, Enterprise und API standardmäßig nicht zum Training. In Free, Pro und Max können Claude-Code-Sitzungen zur Modellverbesserung verwendet werden, wenn der Nutzer dies aktiviert hat. [28][29]

Für Codex gelten die Dateneinstellungen von ChatGPT. Einzelanwender können Training mit ihren Gesprächen deaktivieren. OpenAI bietet zusätzlich eine eigene Kontrolle für vollständige Codex-Umgebungen; sowohl ChatGPT- als auch Codex-Einstellungen sollten geprüft werden. Lokale Aufgaben laufen auf dem Gerät, Cloud Tasks in von OpenAI verwalteten Umgebungen. [30][31]

Google erklärt, Daten aus Gemini Code Assist Standard und Enterprise ohne Zustimmung nicht zum Training zu verwenden. Das gilt auch für Gemini CLI mit Geschäftslizenz. [21][22]

Für private Unternehmensrepositorys ist ein Business- oder Enterprise-Vertrag mit zentralen Richtlinien und deaktiviertem Training am sichersten. Ein Open-Source-CLI bedeutet nicht, dass der Code den Computer nicht verlässt. Anfragen gehen weiterhin an den Modellanbieter.

Offener Client-Code und Anbieterbindung

Codex CLI und Gemini CLI stehen unter Apache 2.0. Ihr Code kann geprüft, geforkt und analysiert werden. [4][14]

Claude Code ist proprietär. Erweiterungen über SDK, Hooks, Plugins und MCP sind möglich, der Client selbst lässt sich aber nicht mit derselben Freiheit verändern.

Offenen Client-Code sollte man dennoch nicht überschätzen. Der wichtigste Systemteil, das Modell, läuft weiterhin als geschlossener Dienst. Ein Codex-CLI-Fork ermöglicht kein lokales GPT-5.6; ein Gemini-CLI-Fork liefert keine Gemini-Gewichte.

Offene Clients sind vor allem wertvoll für:

• Sicherheitsaudits,
• eigene Integrationen,
• Kontrolle der Oberfläche,
• Anpassung von Tool-Aufrufen,
• geringere Abhängigkeit von einer bestimmten App.

Kein Agent ist ein zuverlässiger Autopilot

Eine Studie mit mehr als 3.800 öffentlich gemeldeten Problemen in Claude Code, Codex und Gemini CLI ergab, dass über 67 % die Funktionalität betrafen. Mehr als ein Drittel der Ursachen hing mit APIs, Integration oder Konfiguration zusammen; häufig waren API-Fehler, Terminalprobleme und gescheiterte Befehle. [32]

Das bedeutet nicht, dass die Werkzeuge für den Alltag zu unreif sind. Es zeigt, dass ein Agent eine weitere komplexe Schicht des Technologie-Stacks ist. Er kann scheitern, weil ein Werkzeug falsch bedient, Verlauf verloren, Berechtigungen überschritten oder widersprüchlicher Kontext geliefert wurde.

TUA-Bench mit 120 realen Terminalaufgaben zeigte zudem, dass selbst die beste getestete Konfiguration 65,8 % löste. Zwischen beeindruckender Demo und verlässlicher Erledigung beliebiger Arbeit bleibt eine große Lücke. [33]

Ein guter Prozess sollte annehmen, dass ein Agent:

• die falsche Architektur wählen kann,
• einen Randfall übersehen kann,
• einen ungeeigneten Befehl ausführen kann,
• einen Test schreiben kann, der den eigenen Fehler bestätigt,
• undokumentierte Organisationsregeln nicht kennt.

Welcher Agent für welchen Nutzer?

Claude Code wählen, wenn:

• der Großteil des Tages in einem oder wenigen Repositorys stattfindet,
• gute technische Gespräche und Planung wichtig sind,
• bestehender Code häufig refaktoriert wird,
• Projektregeln detailliert beschrieben werden sollen,
• Hooks, Skills und spezialisierte Subagenten benötigt werden,
• schnelle Korrekturen während der Arbeit wichtig sind,
• ein geschlossener Client akzeptabel ist.

OpenAI Codex wählen, wenn:

• regelmäßig mehrere Aufgaben parallel laufen,
• Arbeit in die Cloud delegiert und später als Diff geprüft werden soll,
• Aufgaben in GitHub, Slack oder Linear beginnen,
• ein Team von Agenten statt einer Sitzung verwaltet wird,
• ChatGPT Plus, Pro oder Business bereits genutzt wird,
• ein offener CLI-Client und klare Sandbox wichtig sind,
• mehrere unabhängige Lösungsversuche verglichen werden sollen.

Gemini CLI wählen, wenn:

• das Unternehmen Google Cloud und Gemini Code Assist nutzt,
• ein Apache-2.0-Client benötigt wird,
• der Agenten-Harness verändert oder eingebettet werden soll,
• Vertex AI oder eine abgerechnete Gemini API verwendet wird,
• Google Search und Google-Cloud-Integrationen wichtig sind,
• eine technischere Einrichtung akzeptiert wird.

Antigravity CLI statt Gemini CLI wählen, wenn:

• Sie Einzelanwender sind,
• Gemini CLI früher über Google AI Pro oder Ultra genutzt wurde,
• der aktuelle Google-Consumer-Weg gewünscht ist,
• eine Plattform zur Beaufsichtigung mehrerer Agenten gebraucht wird. [3][24]

Urteil

Der beste KI-Agent für die tägliche Programmierung im Juli 2026 ist Claude Code.

Er gewinnt nicht, weil er immer den besten Patch schreibt. Er gewinnt, weil er Repository-Verständnis, Planung, interaktive Zusammenarbeit, dauerhafte Anweisungen, Subagenten, Worktrees und Änderungskontrolle am ausgewogensten verbindet. Mit Fable 5 erzielt er außerdem den derzeit besten Terminal-Bench-2.1-Wert, obwohl das standardmäßige Sonnet 5 in diesem Ranking schwächer ist. [23]

OpenAI Codex ist besser, wenn Programmierung einer Aufgabenwarteschlange ähnelt.

Wer mehrere Agenten starten, lange Arbeiten in die Cloud delegieren, aus Slack oder GitHub beginnen und Ergebnisse zentral prüfen möchte, erhält mit Codex die vollständigste Umgebung. In vielen Teams ist es deshalb das bessere Organisationsprodukt, selbst wenn eine einzelne Claude-Code-Sitzung natürlicher wirkt. [15][17]

Gemini CLI sollte den Gesamtvergleich für Einzelentwickler heute nicht gewinnen.

Es bleibt ein wertvoller offener Agent, doch Google hat die Zielgruppe verändert. Für Consumer ist Antigravity CLI der empfohlene Nachfolger. Gemini CLI sollte bewusst als API-Werkzeug oder Teil von Google-Cloud-Infrastruktur gewählt werden, nicht wegen alter Vergleiche, die einen kostenlosen Google-Login versprechen. [3][4]

Endgültige Empfehlung:

1. Claude Code - insgesamt und für tägliche Arbeit am besten.
2. OpenAI Codex - am besten für mehrere Agenten, Cloud und Delegation.
3. Gemini CLI - am besten als offener Harness für Google Cloud, nicht als Standard-Consumer-Option.

Der sinnvollste Test ist nicht, einen Taschenrechner oder ein Spiel von Grund auf erstellen zu lassen. Verwenden Sie fünf echte Aufgaben aus dem eigenen Repository: Bug, Refactoring, Mehrdateiänderung, Regressionstest und Abhängigkeitsupdate. Messen Sie korrekte Änderungen, Betreuungszeit, Wiederholungen und Kosten pro akzeptiertem Ergebnis.

Das zeigt das passende Werkzeug schneller als jede öffentliche Rangliste.

Quellen

1. Anthropic, Claude Code overview
2. OpenAI, Codex CLI
3. Google, Gemini Code Assist consumer accounts deprecation
4. Google, Gemini CLI repository and documentation
5. Anthropic, Claude Code downloads and supported environments
6. OpenAI, Codex models
7. Anthropic, Claude Code common workflows
8. Anthropic, Claude Code changelog
9. Anthropic, Claude Code model configuration
10. Anthropic, plans and API pricing
11. Anthropic, Claude Code subagents
12. Anthropic, Claude Code skills
13. Anthropic, Claude Code hooks
14. OpenAI, open-source Codex CLI
15. OpenAI, Introducing the Codex app
16. OpenAI, Codex release notes and GPT-5.6 defaults
17. OpenAI, Codex cloud
18. OpenAI, Codex cloud tasks and integrations
19. OpenAI, Codex approvals and security
20. Google, Gemini CLI with Gemini Code Assist
21. Google Cloud, Gemini Code Assist security and privacy
22. Google Cloud, Gemini Code Assist code customization
23. Terminal-Bench, Terminal-Bench 2.1 leaderboard
24. Google, Antigravity 2.0
25. Anthropic, Claude Agent SDK
26. OpenAI, Codex subagents
27. OpenAI, Codex pricing
28. Anthropic Privacy Center, commercial model-training policy
29. Anthropic Privacy Center, consumer model-training policy
30. OpenAI, Using Codex with a ChatGPT plan
31. OpenAI, how data is used to improve models
32. Zhang et al., Engineering Pitfalls in AI Coding Tools
33. Chen et al., TUA-Bench