OpenAI Codex vs GitHub Copilot: quem vence em 2026?

- Os modelos, preços e datas de GA abaixo foram conferidos com a documentação oficial (learn.chatgpt.com, docs.github.com) no momento em que escrevi, em 08/2026; os dois fornecedores mudaram a cobrança neste ano - confira a documentação ao vivo antes de decidir.

O que é o OpenAI Codex?

O OpenAI Codex é o agente de codificação da OpenAI, disponível como CLI, sandbox na nuvem e extensões de IDE (VS Code, JetBrains), incluído nos planos do ChatGPT (Free/Go/Plus/Pro/Business) em vez de vendido como um SKU separado. O modelo atual é o GPT-5.6 (níveis Sol/Terra/Luna), que entrou em GA em 09/07/2026. Você entrega uma tarefa em linguagem simples, ele lê o repositório, planeja, edita vários arquivos, roda os testes e volta com um relatório - um modelo de delegação, não de sugestão linha a linha. A CLI é de código aberto, escrita em Rust, e instala no Windows/macOS/Linux. Existe um nível Free limitado via ChatGPT para você experimentar antes de pagar. Esta seção cobre só o que interessa para a comparação; para o panorama completo sobre CLI, sandbox e AGENTS.md, veja O que é o OpenAI Codex.

O que é o GitHub Copilot? (A realidade de 2026, não só autocompletar)

A maioria das comparações ainda descreve o GitHub Copilot como uma ferramenta de autocompletar dentro da IDE, talvez com um Chat acoplado. Esse enquadramento está ultrapassado. A realidade de 2026: o Copilot ainda é mais forte na conclusão inline e no Chat dentro do editor, mas também traz um modo agente dentro da IDE, seu próprio agente de codificação na nuvem autônomo (você atribui uma issue do GitHub a ele, ele roda no GitHub Actions e abre um PR quando termina) e uma CLI que chegou ao GA em 23/06/2026 - três capacidades autônomas rodando lado a lado com o que o Codex oferece. Falando claramente, "o Copilot é só autocompletar" já não é preciso quando você está lendo isto. O Copilot está ligado à sua conta do GitHub, então tudo, do modo agente ao agente na nuvem, fica bem ao lado dos repositórios e PRs que você já tem, sem sair desse ecossistema.

Codex vs GitHub Copilot num relance

Esta é uma tabela "num relance" com eixos propositalmente diferentes da comparação Claude Code vs GitHub Copilot que já existe neste site (aquela cobre conclusão vs delegação, benchmarks e curva de aprendizado). Esta tabela foca em posicionamento, estratégia de modelo, superfícies e abertura - eixos que mais ninguém combina ao comparar especificamente Codex e Copilot.

Fluxo de trabalho: terminal/nuvem primeiro (Codex) vs nativo de IDE (Copilot)

Aqui está o coração da comparação. O Codex roda um ciclo de planejar → executar → verificar, e o mesmo agente acompanha você quer chame pela CLI, pela nuvem ou por uma extensão de IDE - uma experiência consistente independentemente do ponto de entrada. O Copilot funciona de outro jeito: sugestões inline enquanto você digita, mais o Chat para perguntas e respostas dentro do editor, mais o modo agente para entregar a ele uma tarefinha bem dentro da IDE, mais um agente de codificação na nuvem separado - você atribui uma issue do GitHub, ele roda na infraestrutura do GitHub Actions, trabalha em um sandbox e abre um PR para você revisar.

Sendo franca: os dois agora trazem agentes autônomos em 2026 - a real diferença não é que um "tem a capacidade" e o outro não, é o ponto de entrada e o hábito. Se você vive no terminal e já paga pelo ChatGPT, o Codex é o caminho natural. Se você vive numa IDE e seu processo gira em torno de issues/PRs do GitHub, o Copilot encaixa melhor - ainda mais porque o agente na nuvem dele nasceu bem dentro daquele fluxo de issue para PR que você já usa. Nenhuma das fontes que busquei ao pesquisar este texto enquadra assim - a maioria ainda trata a autonomia como um traço exclusivo do Codex por padrão.

Imagine uma tarefa concreta para ver a divisão com clareza: adicionar um pequeno endpoint com validação a um serviço já existente. Com o Codex, você digita o pedido direto na CLI dentro do seu repositório local (ou entrega ao Codex Cloud para rodar em paralelo sem prender sua máquina), ele lê o código relevante, edita arquivos, roda os testes e volta com o relatório na mesma sessão de terminal. Com o Copilot, o caminho "conforme o manual" é abrir uma issue do GitHub descrevendo o requisito, atribuí-la ao agente de codificação na nuvem e esperar o PR para revisar - enquanto você ainda pode digitar na mão com a conclusão, se preferir fazer sozinha e rápido. Nenhuma das abordagens é objetivamente "mais correta" - são apenas hábitos diferentes, e vale a pena testar as duas na sua própria tarefa real antes de se comprometer com uma a longo prazo.

Os modelos por trás de cada ferramenta

O Codex roda em exatamente uma família de modelos, de um único fornecedor: o GPT-5.6, com três níveis de velocidade/custo - Sol, Terra, Luna. Você não escolhe outro modelo; em troca, ganha consistência - comportamento, qualidade e velocidade relativa ficam bem estáveis de sessão para sessão.

O Copilot vai na direção oposta: um catálogo de modelos de múltiplos fornecedores - a classe GPT-5 da OpenAI, modelos da Anthropic e outros, conforme o seu plano. Níveis mais altos liberam mais modelos (incluindo os "premium", que custam mais créditos por chamada). Isto é um trade-off real, não um vencedor claro: o Codex te dá a consistência de um fornecedor único; o Copilot te dá a escolha de modelo por tarefa - troque de modelo para comparar qualidade ou para otimizar o custo de uma tarefa específica. Nenhum dos concorrentes que busquei na pesquisa nomeia diretamente esse eixo de "flexibilidade vs consistência" - a maioria só lista nomes de modelos, sem ligar a escolha de fornecedor ao que ela de fato significa para a sua decisão.

A consequência prática: se o GPT-5.6 tiver uma queda ou sair uma atualização que muda o comportamento, os usuários do Codex não têm a opção "troca de fornecedor por enquanto" - você espera passar. Os usuários do Copilot num nível multimodelo podem trocar para outro modelo do catálogo e seguir trabalhando, ao custo de aprender as manias de cada modelo e queimar mais créditos nas escolhas premium. Nenhuma das opções é gratuita na operação - você só está escolhendo com o que paga: consistência ou flexibilidade.

Há um efeito secundário que também vale nomear: a consistência de fornecedor único torna a saída do Codex mais fácil de entender ao longo de uma sessão longa, já que as manias de prompt e os modos de falha continuam os mesmos de uma vez para a outra. A escolha de múltiplos fornecedores torna o Copilot mais adequado a times que já têm uma opinião forte sobre qual família de modelos escreve o código mais limpo para a stack deles e querem essa escolha disponível por tarefa, em vez de fixada no produto.

Benchmarks: por que não vamos publicar uma única pontuação do SWE-bench

Esta é a seção mais honesta do texto, e também aquela que nenhum concorrente que busquei diz com todas as letras. Enquanto pesquisava esta comparação, surgiram três números diferentes de SWE-bench para o par Codex-Copilot: uma fonte cita Codex 85,0% vs Copilot 56,0%; outra cita Codex 58,6%; e algumas outras citam o Copilot sozinho em 72,5%. Nenhuma delas explica por que os números divergem tanto.

A razão provável: alguns desses números estão atrelados a uma versão de modelo mais antiga (GPT-5.3-Codex, não o GPT-5.6 atual) - um benchmark medido contra um modelo anterior e depois recitado como se ainda valesse para o atual. E, até o momento em que escrevo, não conseguimos encontrar um número de SWE-bench Verified divulgado pela OpenAI que corresponda ao GPT-5.6 para comparar diretamente - então qualquer artigo de 2026 que publique "Codex X% vs Copilot Y%" sem nomear a versão exata do modelo, a variante do benchmark e a data da medição merece ceticismo.

A lição prática: não escolha uma ferramenta com base numa porcentagem solta que você leu em algum lugar. Se quiser uma comparação que aposte mais nos benchmarks (com uma ressalva parecida sobre como lê-los), veja Claude Code vs Codex - ele aplica a mesma regra de "leia a tendência, não o veredito".

Preços e o que realmente está incluído

Os dois fornecedores mudaram a estrutura de preços em 2026, então trate a tabela abaixo como um retrato para reconferir, não como um número fixo.

O custo oculto que você precisa conhecer: desde 01/06/2026, o Copilot passou para a cobrança por AI Credits baseada em uso - a conclusão continua gratuita nos planos pagos, mas chamar modelos mais fortes para chat/agente/revisão consome créditos, e o uso pesado pode empurrar sua fatura além do preço de tabela. Com o Codex, o seu uso compartilha o pool de limite de uso do seu plano ChatGPT - não existe um SKU separado do Codex, então, se você já paga pelo ChatGPT Plus/Pro por outros motivos, o Codex puxa desse mesmo pool em vez de somar um novo.

Colocando de forma mais concreta: o preço de tabela é o ingresso, não o custo total. Se você é uma dev solo rodando um punhado de tarefas pequenas por dia, o nível de entrada de qualquer lado (Go $8 ou Pro $10) já basta. Mas se você delega muitas tarefas de agente/nuvem continuamente - rodando loops automatizados de CI ou deixando um agente trabalhar um turno inteiro - fique de olho no painel de uso, porque os dois modelos de cobrança podem passar da sua estimativa inicial quando o volume sobe.

Alcance de IDE e ecossistema

O Copilot claramente vence em abrangência de IDEs: VS Code, JetBrains, Visual Studio, Neovim, Xcode - quase qualquer editor que você já usa tem Copilot, além da integração profunda com Issues/PRs do GitHub (que é também por que o agente de codificação na nuvem dele encaixa tão naturalmente num fluxo de issue para PR). O Codex se apoia em CLI + nuvem + extensão de IDE, um cliente MCP para plugar ferramentas externas e o AGENTS.md para configurar as convenções do projeto - ligado a uma conta OpenAI/ChatGPT, não ao GitHub.

Um eixo de abertura que mais ninguém diz com clareza: a CLI do Codex é de código aberto (github.com/openai/codex, escrita em Rust) - você pode ler o código, fazer um fork e aplicar patches você mesma, se precisar. A CLI do Copilot é de código fechado, apesar de ter chegado ao GA em 23/06/2026; um pedido para abri-la ainda estava aberto no GitHub quando escrevi, sem compromisso oficial em nenhum dos sentidos. Se transparência da ferramenta ou resiliência a longo prazo importam para você, isso vale pesar para além do que a tabela de preços mostra.

O vínculo de conta é outro detalhe fácil de passar batido: o Codex segue a sua conta OpenAI/ChatGPT, enquanto o Copilot segue a sua conta do GitHub (pessoal ou da organização). Se a sua empresa já gerencia assentos, SSO e políticas pelo GitHub Enterprise, adicionar o Copilot é quase zero configuração extra; se a sua infraestrutura não está tão amarrada ao GitHub, esse fator pesa menos na decisão entre Codex e Copilot.

Mais uma observação prática sobre o excesso de ferramentas: adicionar qualquer um dos agentes significa mais uma conta, mais uma linha de cobrança e mais uma superfície para os colegas aprenderem. Se o seu time já vive dentro do GitHub para rastreio de issues e revisão de código, o agente na nuvem do Copilot quase não adiciona processo novo - é só mais um contribuidor automatizado aparecendo como um PR. O Codex, por outro lado, pede que você traga um hábito de terminal primeiro (ou ChatGPT primeiro) para a jogada, o que é uma mudança de processo maior para um time que nunca trabalhou assim.

Qual você deve escolher? (Por persona)

Não existe um vencedor único - a resposta depende dos seus hábitos:

• Dev que vive numa IDE e precisa de conclusão diária: escolha o GitHub Copilot. A cobertura de IDEs mais ampla, um nível Free de $0 de verdade para testar e integração profunda com GitHub/PR.
• Dev terminal primeiro fazendo grandes refatorações em vários arquivos e que já paga pelo ChatGPT: escolha o Codex. O uso compartilha um pool que você já paga, uma CLI aberta e um fluxo de "delegue a tarefa inteira" que combina melhor com o hábito.
• Time padronizado no GitHub Enterprise que quer governança nativa de PR: escolha o Copilot - o agente na nuvem dele foi construído bem dentro do fluxo de issue/PR que você já roda.
• Time que quer escolher modelos entre fornecedores em vez de ficar preso a um só: escolha o Copilot - o catálogo multimodelo é uma vantagem genuína aqui.
• Muitos devs, sendo realista: use os dois - Copilot para o fluxo dentro do editor, Codex CLI/Cloud para tarefas maiores e delegadas. É uma combinação legítima, não uma saída pela tangente.

Para o panorama mais amplo além desses dois nomes, veja o resumão das melhores ferramentas de IA para programar em 2026.

Escolhendo um agente de CLI? Adicione o AgentKit para skills prontas

Se você leu até aqui e está pendendo para um agente de CLI (Codex ou Claude Code), há mais uma camada que vale conhecer: o AgentKit (agentkit.best, CLI ak) - um kit pago que coloca skills prontas, subagents e fluxos de trabalho por cima do agente que você já usa. Instalar no Codex é ak login, depois ak kit init engineer --target codex --global, depois abrir uma nova sessão do Codex e chamar $ak:cook. Sendo direta: o Codex em si continua gratuito ou incluído no plano do ChatGPT que você já paga - o AgentKit não "desbloqueia" nada no Codex, ele só adiciona skills prontas para você não precisar escrever as suas.

Uma linha de desambiguação que vale lembrar: este é o AgentKit da agentkit.best (um terceiro), completamente diferente do "OpenAI AgentKit" (o Agent Builder/ChatKit da própria OpenAI - um produto que a OpenAI está encerrando, com desligamento em 30/11/2026). Veja OpenAI AgentKit vs AgentKit se você já confundiu os dois nomes.

E a parte diretamente relevante para esta comparação: a lista atual de --target do AgentKit é claude-code, codex, cursor (experimental), grok (dev spike), agy, portable - o GitHub Copilot não está nessa lista. Se o Copilot é a sua ferramenta principal, no momento não há nada aqui para você instalar. Veja o passo a passo completo para o Codex em AgentKit para Codex, ou a visão geral do produto na análise do AgentKit.

Perguntas frequentes (FAQ)

O Codex é melhor que o GitHub Copilot?

Não existe um "melhor" absoluto. O Codex combina com um fluxo terminal primeiro, de delegar a tarefa inteira; o Copilot combina com um fluxo nativo de IDE, com conclusão diária e governança baseada no GitHub. Escolha pelo hábito, não por um único número de benchmark.

Posso usar o Codex e o Copilot juntos?

Pode, e é bem comum. O Copilot cuida da conclusão/chat no editor, e o Codex CLI/Cloud cuida das tarefas delegadas maiores. As duas ferramentas não entram em conflito, e muita gente roda as duas em 2026.

Qual é mais barato?

No nível de entrada, o Codex via ChatGPT Go ($8/mês) é mais barato que o Copilot Pro ($10/mês), mas os dois carregam custos ocultos: o Copilot consome AI Credits nos modelos mais fortes (desde 01/06/2026), e o Codex compartilha o seu pool de limite de uso do ChatGPT já existente. Compare com base em como você realmente usaria, não só no preço de tabela.

O GitHub Copilot agora tem um agente autônomo como o Codex?

Sim. Em 2026, o Copilot tem o modo agente dentro da IDE e um agente de codificação na nuvem separado - atribuído via issue do GitHub, rodando no GitHub Actions e abrindo um PR automaticamente. Isso já não é um traço exclusivo do Codex.

A CLI do Codex é gratuita e de código aberto?

A CLI em si é de código aberto (Rust, github.com/openai/codex). O Codex como produto está incluído nos planos do ChatGPT (com um nível Free limitado), não é um produto gratuito separado e ilimitado.

O AgentKit funciona com o GitHub Copilot?

Não. A lista atual de --target do AgentKit é claude-code, codex, cursor (experimental), grok, agy, portable - o Copilot não está nela. O AgentKit só é útil se o Codex ou o Claude Code for o seu agente principal.

Conclusão

Não há um único "vencedor" em OpenAI Codex vs GitHub Copilot - os dois agora trazem agentes autônomos, e as diferenças reais são o ponto de entrada, modelos de fornecedor único vs de múltiplos fornecedores e a abertura da CLI. Escolha com base no seu fluxo de trabalho, ou use os dois como muita gente já faz. Veja Claude Code vs GitHub Copilot e Claude Code vs Codex se você também estiver pesando o Claude Code contra esses dois.