CodexとOpenCodeの違いを比較単位から調べる
CodexとOpenCodeを比較するとき、製品名だけを並べると結論が粗くなります。
同じモデル名を選んでも、読み込む文脈、ツール、権限、再試行、指示の読み込み方が異なるからです。
このノートでは、モデル、推論設定、ハーネス、実行条件を分けて調べます。
情報は2026年8月時点の公開資料を基準にします。
料金、対応モデル、認証方式は更新されるため、契約や導入の直前に公式資料を再確認します。
先に比較単位を固定する
| 層 | 決まること | 比較するときの例 |
|---|---|---|
| モデル | 読解、推論、生成の基礎能力 | model IDとsnapshot |
| 推論設定 | 1回の依頼へ使う計算予算 | reasoning effort |
| ハーネス | 文脈、ツール、編集、ループ、再試行 | CodexやOpenCodeの実装 |
| 実行条件 | 指示、権限、cwd、利用可能な外部接続 | AGENTS.md、Skills、MCP |
この分類の背景は、モデル、推論強度、ハーネスの違いにまとめました。
比較の前に、どの層を固定し、どの層を変える実験なのかを記録します。
Codex側で公式資料から確認できること
Codexの認証資料は、ChatGPTサインインとAPIキーを別の利用経路として扱っています。
前者は契約の利用枠に関係し、後者はAPIの従量課金に関係します。
Codex cloudの利用条件も同じページで確認できるため、ローカルCLIの課金と混ぜません。
リポジトリ固有の指示はAGENTS.mdで定義できます。
繰り返し手順はSkillsへ分け、外部サービス接続はMCPへ分けます。
OpenAIの公式資料には、これらがAGENTS.md、Skills、MCPとして個別に説明されています。
Codexを先に試す理由は、OpenAIモデルと実装、レビュー、検証の流れを同じ作業環境で確認しやすい点にあります。
ただし、契約プランで使える枠とAPIの料金を同じものとして記録しません。
OpenCode側で確認すること
OpenCodeのProvidersドキュメントは、複数プロバイダーのAPIキー、OAuth、OpenCodeの提供経路、ローカルモデルを扱う設定を説明しています。
この自由度は、モデルを切り替えて比較する実験に向いています。
同時に、プロバイダーごとにモデルID、snapshot、料金、レート制限、データ取り扱いを確認する必要があります。
OpenCodeにもrules、skills、MCPの仕組みがあります。
ただし、ファイルの探索場所、設定形式、読み込み順をCodexと同一だと仮定しません。
モデルや認証を切り替えられることと、同じ実験条件が自動で再現されることは別です。
結果が違うときの確認順序
「同じモデルなのに結果が違う」と感じたら、モデル性能の差を結論にしません。
まず次の条件を揃えます。
- model IDとsnapshot
- reasoning effort
- 初期指示とリポジトリ指示
- コンテキストへ入ったファイル
- 利用可能なツールと権限
- 最大turn、timeout、retry
- テストと採点方法
代表的な課題を3回以上実行し、成功率、所要時間、入力・出力トークン、差分の大きさ、レビュー修正回数を記録します。
これは製品の普遍的な順位を測るためではなく、自分の作業に必要な条件を見つけるための測定です。
設定の共通化には境界を置く
コーディング規約や検証コマンドのような平文の方針は、両方のツールで共有しやすいです。
一方、MCPの認証情報、Skillsの配置、権限設定をシンボリックリンクで一元化すると、片方の更新がもう片方を壊す可能性があります。
共通の原本には方針だけを置きます。
認証、provider固有のオプション、権限は各ツールの設定へ分離します。
LLMの出力や設定ファイルをそのまま信頼せず、実行前に差分と権限を確認します。
用途ごとの選び方
OpenAIモデルを中心に、実装から検証までの流れを固定したいならCodexを先に試します。
複数のprovider、BYOK、定額枠、従量課金、ローカル推論を比較したいならOpenCodeを試します。
日常実装をCodexで行い、未知のモデル検証をOpenCodeで行う分担も可能です。
その場合は、両方のエージェントへ同じworktreeを同時に編集させず、worktreeを分けます。
最終判断は機能表ではなく、自分の代表的な3〜10課題で行います。
モデル、ハーネス、契約、実行条件を分けて記録すれば、「どちらが上か」ではなく「どの仕事をどちらへ任せるか」を決められます。