Co to jest Codex? Agent kodujący OpenAI

Co to jest Codex?

Codex to agent AI do programowania od OpenAI. Nie podpowiada pojedynczych linijek jak klasyczny asystent w edytorze, tylko przejmuje całe zadania: czyta kod projektu, planuje zmiany, edytuje pliki, uruchamia polecenia i testy, a na koniec oddaje gotową zmianę do przejrzenia. Opisujesz efekt zwykłym językiem („napraw błąd logowania i dopisz do niego test”), a Codex sam ustala, które pliki trzeba otworzyć i co w nich zmienić. Radzi sobie z popularnymi językami, takimi jak Python, JavaScript, TypeScript, Go, Rust czy C++.

Nazwa bywa myląca, bo OpenAI używało jej już wcześniej. W 2021 roku „Codex” był modelem językowym, na którym działała pierwsza wersja GitHub Copilot, a w 2023 roku ten model wycofano. Dzisiejszy Codex to inny produkt: rodzina narzędzi agentowych, którą OpenAI rozwija od 2025 roku:

kwiecień 2025 - Codex CLI, otwartoźródłowy agent działający w terminalu,
maj 2025 - Codex w chmurze w wersji research preview, wtedy oparty na modelu codex-1,
październik 2025 - ogólna dostępność, integracja ze Slackiem i Codex SDK,
luty 2026 - osobna aplikacja desktopowa Codex na macOS, a w marcu także na Windows,
9 lipca 2026 - Codex wchodzi do nowej aplikacji desktopowej ChatGPT, a OpenAI uruchamia oparty na nim ChatGPT Work do pracy poza programowaniem,
wrzesień 2026 - do Codexa trafiają modele z rodziny GPT-6, a starsze GPT-5.x są stopniowo wycofywane.

W lipcu 2026 roku OpenAI podało, że z Codexa korzysta co tydzień ponad 5 milionów osób, a ponad milion z nich używa go do zadań niezwiązanych z tworzeniem oprogramowania. Informacje w tym artykule opisują stan na 17 października 2026 roku.

Jak działa Codex w programowaniu?

Praca z Codexem przypomina zlecanie zadania koledze z zespołu. Wskazujesz projekt i opisujesz, co ma powstać albo co trzeba naprawić. Agent przegląda repozytorium, układa plan, a potem krok po kroku otwiera pliki, wprowadza zmiany, uruchamia testy, linter czy build i sprawdza wyniki. Gdy coś nie przechodzi, poprawia kod i próbuje znowu. Na końcu dostajesz podsumowanie i diff, czyli listę zmienionych linii, które możesz zaakceptować, odrzucić albo poprawić kolejnym poleceniem. W aplikacji desktopowej polecenia można też wydawać głosem.

Gdzie pracuje agent? Masz trzy możliwości:

lokalnie - na twoim komputerze, bezpośrednio w katalogu projektu,
w worktree - też lokalnie, ale w osobnej kopii roboczej Gita, dzięki czemu kilka zadań może iść równolegle i nie miesza się z twoimi zmianami,
w chmurze - na serwerach OpenAI, w środowisku przygotowanym z twoim repozytorium; zadanie trwa dalej, nawet gdy zamkniesz laptopa.

Lokalnie Codex działa w sandboksie, czyli w izolowanym środowisku, którego granice pilnuje system operacyjny. Domyślnie może zapisywać pliki tylko w bieżącym projekcie i nie ma dostępu do sieci. O wszystko, co wykracza poza te granice, musi zapytać (szczegóły w sekcji o bezpieczeństwie).

Jakie modele stoją za Codexem? W październiku 2026 roku OpenAI poleca trzy:

GPT-6 Astra - najmocniejszy model, do najtrudniejszych, wieloetapowych zadań,
GPT-6.1 Sol - wyniki zbliżone do Astry przy niższym koszcie; w aktualnych wersjach Codex CLI to model domyślny,
GPT-6 Luna - najszybszy i najtańszy, do prostych, powtarzalnych zadań.

Do każdego modelu ustawiasz poziom rozumowania (reasoning effort): od Light (w CLI Low) przez Medium po High i Extra High. Tryb Max daje modelowi więcej czasu na jedno trudne zadanie, a Ultra dzieli złożoną pracę między kilku sub-agentów działających równolegle. Modele GPT-5.6 są jeszcze dostępne na czas wdrażania nowej rodziny, ale starsze znikają: dla kont logowanych przez ChatGPT GPT-5.4 wycofano 31 sierpnia, a GPT-5.5 14 października 2026 roku. Przy logowaniu kluczem API oba nadal działają.

Bądź na bieżąco z AI

Zapisz się na newsletter i otrzymuj najnowsze poradniki, recenzje narzędzi AI i rankingi prosto na swoją skrzynkę.

Bez spamu. Wypisz się w dowolnym momencie.

Jakie są zastosowania Codex?

Codex przydaje się na każdym etapie pracy nad oprogramowaniem. Najczęstsze zastosowania:

pisanie nowego kodu - od pojedynczej funkcji po całą nową funkcjonalność rozpisaną na kilka plików,
naprawianie błędów - analizuje komunikat błędu, logi albo zrzut ekranu, odtwarza problem i proponuje poprawkę,
refaktoryzacja - porządkuje strukturę kodu, wydziela moduły, zmienia nazwy w całym projekcie,
testy - dopisuje testy jednostkowe i uruchamia je, zanim odda zmianę,
przegląd kodu (code review) - sprawdza niezatwierdzone zmiany, commit albo pull request i wskazuje najpoważniejsze problemy,
wyjaśnianie kodu - opisuje, jak działa nieznane repozytorium, co skraca wdrożenie nowej osoby w zespole,
migracje - przenosi projekt na nowszą wersję biblioteki, frameworka czy języka,
prototypy - szybko buduje działającą wersję pomysłu, np. stronę albo narzędzie wewnętrzne,
bezpieczeństwo - z dodatkiem Codex Security szuka podatności w kodzie i sprawdza, czy poprawki je usuwają.

Kilka przykładowych poleceń:

„Przeczytaj ten projekt i wyjaśnij mi, jak działa logowanie”,
„Test w pliku checkout.test.ts nie przechodzi. Znajdź przyczynę i napraw ją”,
„Zaktualizuj projekt do nowej wersji Reacta i popraw wszystko, co przestanie działać”,
„Przejrzyj moje zmiany przed commitem i wypisz ryzyka”.

Codex przestał być narzędziem wyłącznie dla programistów. Analityk może poprosić go o oczyszczenie pliku CSV i przygotowanie wykresu, a marketer o prostą stronę z formularzem. Do takich zadań OpenAI przygotowało jednak ChatGPT Work, który korzysta z tej samej technologii, ale ma interfejs pomyślany pod codzienną pracę biurową (więcej w sekcji o Codexie w ChatGPT).

Jakie rodzaje Codex istnieją?

Codex to jeden agent dostępny w kilku miejscach. Lokalne wersje korzystają z tego samego silnika i tego samego pliku konfiguracyjnego config.toml, więc ustawienia przenosisz między nimi bez zmian:

Codex w aplikacji desktopowej ChatGPT (macOS, Windows, a na Linuksie w wersji preview) - główne miejsce pracy: projekty, równoległe czaty, przegląd zmian, wbudowana przeglądarka i obsługa innych aplikacji,
Codex CLI - agent w terminalu, z otwartym kodem źródłowym na licencji Apache 2.0,
rozszerzenie do IDE - dla VS Code, Cursora i Windsurfa; JetBrains i Xcode mają własne integracje,
Codex Cloud - zadania uruchamiane na serwerach OpenAI, dostępne w przeglądarce, w aplikacji desktopowej i na telefonie,
integracje - GitHub (przegląd pull requestów), GitLab (beta), Slack i Linear,
narzędzia dla programistów - Codex SDK (TypeScript i Python), tryb codex exec do skryptów oraz GitHub Action do potoków CI/CD.

Obok działa Codex Security, osobny produkt do wyszukiwania luk bezpieczeństwa w kodzie: jako wtyczka w aplikacji i w CLI, jako samodzielne narzędzie wiersza poleceń do skanów w CI oraz jako Codex Security Cloud (research preview), który monitoruje repozytoria na GitHubie.

Starsze nazwy wciąż padają w poradnikach, więc warto je znać. codex-1 był pierwszym modelem Codexa w chmurze (2025), a modele z dopiskiem „-Codex” (GPT-5-Codex, GPT-5.2-Codex, GPT-5.3-Codex) to wyspecjalizowane modele do programowania z lat 2025-2026. Dziś ich miejsce zajęły ogólne modele GPT-6, a GPT-5.3-Codex i jego szybki wariant Spark zostały z Codexa wycofane.

Jak Codex wspomaga automatyzację kodowania?

Najprostsza automatyzacja to oddanie zadania i zajęcie się czymś innym. Codex może pracować nad kilkoma zadaniami jednocześnie, każde w osobnym worktree albo w chmurze, a ty wracasz dopiero do gotowych wyników. Przy większych zadaniach agent sam rozdziela pracę między sub-agentów: jeden przegląda kod, drugi szuka w dokumentacji, trzeci pisze testy.

Kolejny poziom to automatyzacje, które ruszają bez twojego udziału:

codex exec - tryb nieinteraktywny, w którym Codex wykonuje polecenie w skrypcie albo w potoku CI i kończy pracę bez dopytywania,
Codex GitHub Action (openai/codex-action@v1) - uruchamia Codexa w workflow GitHub Actions, np. do przeglądu każdego nowego pull requesta, przygotowania wydania albo migracji,
Codex SDK - biblioteka do sterowania agentem z własnej aplikacji lub narzędzia wewnętrznego,
zadania cykliczne (scheduled tasks) - raz opisane zadanie uruchamia się według harmonogramu, a od sierpnia 2026 roku także po zdarzeniu, np. po aktywności w pull requeście na GitHubie, nowym mailu w Gmailu czy wiadomości na wybranym kanale Slacka,
hooki - własne skrypty uruchamiane na określonych etapach pracy agenta.

Dzięki temu Codex nie musi czekać na twoje polecenie. Może sam poprawić nieprzechodzący build, przejrzeć zmiany przed scaleniem albo co tydzień aktualizować zależności, a ty dostajesz tylko wynik do zatwierdzenia.

Jakie są funkcje Codex CLI?

Codex CLI to agent działający w terminalu, w katalogu twojego projektu. Instalujesz go jedną komendą:

npm install -g @openai/codex (każdy system z Node.js),
brew install --cask codex (macOS),
curl -fsSL https://chatgpt.com/codex/install.sh | sh (macOS i Linux) albo analogiczny instalator uruchamiany w PowerShellu (Windows).

Potem w katalogu projektu wpisujesz codex i logujesz się kontem ChatGPT albo kluczem API. Najważniejsze możliwości:

edycja i uruchamianie kodu - Codex czyta pliki, wprowadza zmiany i uruchamia narzędzia zainstalowane na twoim komputerze, a ty na bieżąco widzisz wykonywane polecenia i diffy,
sterowanie w trakcie pracy - możesz dopisać instrukcję, gdy agent jeszcze odpowiada, i od razu zmienić kierunek,
przegląd kodu - /review sprawdza niezatwierdzone zmiany albo różnice względem wybranej gałęzi i zgłasza problemy bez modyfikowania plików,
instrukcje projektu - /init tworzy plik AGENTS.md, w którym opisujesz zasady obowiązujące w repozytorium (komendy testów, konwencje, rzeczy zakazane),
wybór modelu i uprawnień - /model zmienia model i poziom rozumowania, a /permissions ustala, co Codex może robić bez pytania,
powrót do pracy - codex resume otwiera zapisany wcześniej czat,
kontekst z obrazów i internetu - codex --image dołącza zrzut ekranu lub diagram, a codex --search włącza wyszukiwanie w sieci,
narzędzia zewnętrzne - codex mcp podłącza serwery MCP (np. serwer instancji n8n, przez który Codex uruchamia i edytuje workflowy), a skills i plugins pozwalają zapisać powtarzalne procedury i połączyć Codexa z narzędziami zespołu,
praca w chmurze z terminala - codex cloud wysyła zadanie do skonfigurowanego środowiska w chmurze, a gotowy wynik możesz potem nanieść na lokalne repozytorium,
przenosiny z innych narzędzi - /import przenosi ustawienia i ostatnie czaty z Claude Code i Cursora.

Pod spodem CLI wysyła zapytania do Responses API OpenAI i przetwarza strumień zwracanych zdarzeń (więcej w sekcji o wnioskowaniu). Kod źródłowy jest publiczny w repozytorium openai/codex na GitHubie. OpenAI przyjmuje tam zgłoszenia błędów i propozycje zmian, ale nie przyjmuje pull requestów od osób z zewnątrz.

Jak uruchomić Codex w Visual Studio Code?

W VS Code Codex działa jako rozszerzenie OpenAI, które w Visual Studio Marketplace ma identyfikator openai.chatgpt. To samo rozszerzenie zainstalujesz w edytorach zbudowanych na VS Code, takich jak Cursor i Windsurf. Uruchomienie zajmuje kilka minut:

Zainstaluj rozszerzenie z Visual Studio Marketplace.
Kliknij ikonę Codexa na pasku bocznym. Jeśli jej nie widać, otwórz paletę poleceń i wybierz Codex: Open Codex Sidebar.
Zaloguj się kontem ChatGPT albo kluczem API.
Otwórz projekt i opisz pierwsze zadanie, np. poproś o wyjaśnienie struktury kodu.

Największa zaleta rozszerzenia to kontekst. Do polecenia dołączasz otwarte pliki, zaznaczony fragment kodu albo wcześniejszy czat, więc nie musisz opisywać problemu od zera. Zmiany przeglądasz obok kodu i zostawiasz tylko te, które ci odpowiadają. Gdy zadanie okazuje się większe, przekazujesz je do Codex Cloud i wracasz do wyniku później, nie wychodząc z edytora.

W IDE od JetBrains (IntelliJ IDEA, PyCharm, WebStorm i innych) Codexa wybierasz jako agenta w oknie AI Chat, a w Xcode jako agenta w asystencie kodowania. Niezależnie od edytora OpenAI zaleca jedno: rób commit przed zadaniem i po nim, żeby łatwo cofnąć zmiany.

Jak Codex w ChatGPT wspomaga programistów?

Od 9 lipca 2026 roku Codex jest częścią nowej aplikacji desktopowej ChatGPT na macOS i Windows. Osobna aplikacja Codex po aktualizacji zamieniła się w nią z zachowaniem projektów i ustawień, a dotychczasowa aplikacja ChatGPT dostała nazwę ChatGPT Classic. Programiści mogą ustawić Codexa jako widok startowy, a na macOS zachować nawet jego ikonę. W sierpniu 2026 roku aplikacja trafiła w wersji preview także na Linuksa.

W aplikacji przełączasz się między ChatGPT (z trybami Chat i Work) a Codexem. W Codexie każdy czat to osobne zadanie, które uruchamiasz lokalnie, w worktree albo w chmurze. Do dyspozycji masz m.in.:

przegląd zmian z edycją kodu bezpośrednio w diffie i adnotacjami do wybranych fragmentów,
PR Chat - przegląd pull requestów z GitHuba w bocznym panelu, z pytaniami do Codexa o konkretne zmiany,
projekty z kilkoma repozytoriami i przegląd zmian we wszystkich naraz,
zintegrowany terminal i wbudowaną przeglądarkę, w której Codex może sprawdzić, jak działa budowana strona,
computer use - obsługę innych aplikacji na komputerze, gdy zadanie tego wymaga,
głos - rozmowę z ChatGPT, który zleca, sprawdza i koryguje zadania w innych wątkach (w planach od Plus wzwyż).

Zadania prowadzone na komputerze możesz śledzić z telefonu. Po sparowaniu aplikacji mobilnej ChatGPT z komputerem przez kod QR zatwierdzasz z niej polecenia, przeglądasz zmienione pliki i wysyłasz nowe instrukcje. Komputer musi być wtedy włączony i podłączony do internetu.

Ta sama technologia napędza ChatGPT Work, czyli tryb do zadań, które nie są programowaniem: prezentacji, arkuszy, analiz czy cyklicznych raportów. Codex i ChatGPT Work korzystają ze wspólnej puli limitów. Jeśli do tej pory używałeś Codexa do pracy biurowej, możesz przy nim zostać albo przejść do ChatGPT Work, który ma te same podstawowe możliwości w interfejsie pomyślanym pod codzienną pracę. Codex pozostaje narzędziem dla programistów i osób technicznych.

Co to jest Codex w chmurze?

Codex Cloud to wersja Codexa, która pracuje na serwerach OpenAI zamiast na twoim komputerze. Zadanie startuje z opublikowanego środowiska, czyli przygotowanej konfiguracji z repozytoriami, zależnościami i narzędziami projektu. Środowisko tworzysz raz: wybierasz repozytoria z GitHuba, a Codex sam je przegląda, instaluje zależności, testuje przepływ pracy i prosi o brakujące informacje albo dostępy. Po sprawdzeniu publikujesz środowisko i uruchamiasz z niego kolejne zadania.

Każde zadanie dostaje własną przestrzeń roboczą, więc kilka zadań na tym samym środowisku nie wchodzi sobie w drogę. Praca toczy się dalej, gdy twój komputer śpi. Gotowy wynik przeglądasz w przeglądarce, w aplikacji desktopowej albo na telefonie: sprawdzasz zmienione pliki i wyniki testów, prosisz o poprawki, a na koniec robisz commit albo otwierasz pull request.

Chmura sprawdza się szczególnie przy:

dłuższych zadaniach, które nie powinny blokować twojego komputera,
wielu zadaniach korzystających z tej samej konfiguracji projektu,
pracy zlecanej tam, gdzie nie masz środowiska programistycznego, np. ze Slacka, z Lineara albo z telefonu.

Środowisko w chmurze nie widzi twoich lokalnych plików, uruchomionych procesów, zalogowanych sesji w przeglądarce ani połączenia VPN. Dostęp do sieci, prywatnych rejestrów pakietów czy API ustawiasz w konfiguracji środowiska, a hasła i tokeny przekazujesz jako sekrety. Od sierpnia 2026 roku Codex Cloud obsługuje w wersji beta także projekty z GitLaba. W planie Business zadania w chmurze działają na mocniejszych maszynach wirtualnych, więc kończą się szybciej.

Jak Codex integruje się z GitHub?

GitHub to najważniejsza integracja Codexa. Po połączeniu repozytorium możesz:

zamówić przegląd kodu - wystarczy komentarz @codex review w pull requeście; Codex reaguje emoji 👀 i publikuje recenzję jak członek zespołu, zgłaszając tylko problemy o najwyższym priorytecie (P0 i P1),
włączyć automatyczne recenzje każdego nowego pull requesta w ustawieniach Codexa,
zlecić poprawkę - komentarz w rodzaju @codex fix the P1 issue albo @codex fix the CI failures uruchamia zadanie, które może wypchnąć poprawkę do gałęzi,
zamówić przegląd bezpieczeństwa - @codex security review (research preview) daje dokładniejszą analizę potencjalnych luk w pull requeście,
uruchamiać Codexa w GitHub Actions przez oficjalną akcję openai/codex-action@v1.

Zasady przeglądu opisujesz w pliku AGENTS.md, w sekcji ## Code Review Rules. Codex stosuje reguły z głównego pliku w repozytorium oraz z plików w podkatalogach, które dotyczą zmienionego kodu. OpenAI radzi zacząć od dwóch, trzech konkretnych zasad, a formatowanie i lintowanie zostawić zwykłemu CI.

Częste nieporozumienie dotyczy GitHub Copilot. Dzisiejszy Codex nie jest silnikiem Copilota, tylko konkurencyjnym agentem OpenAI. Z Copilotem łączy go historia nazwy (pierwszy Copilot działał na modelu Codex z 2021 roku) i to, że oba narzędzia można bez przeszkód używać obok siebie. Od lutego 2026 roku Codex jest też dostępny w GitHub Agent HQ (public preview): subskrybenci Copilot Pro+ i Copilot Enterprise mogą przypisać mu zadanie i porównać wynik z innymi agentami, np. z Claude.

Jak wygląda bezpieczeństwo Codex CLI?

Bezpieczeństwo lokalnego Codexa (w CLI, w rozszerzeniu IDE i w aplikacji desktopowej) opiera się na dwóch warstwach:

sandbox - techniczne ograniczenia narzucane przez system operacyjny: gdzie agent może zapisywać pliki i czy ma dostęp do sieci,
zasady zatwierdzania (approval policy) - kiedy agent musi się zatrzymać i poprosić cię o zgodę.

W domyślnym ustawieniu Auto (--sandbox workspace-write --ask-for-approval on-request) Codex bez pytania czyta pliki, edytuje je i uruchamia polecenia w katalogu projektu. Zgody potrzebuje, gdy chce zapisać coś poza projektem albo wykonać polecenie wymagające sieci, bo dostęp do internetu jest domyślnie wyłączony. Gdy chcesz tylko porozmawiać o kodzie albo zaplanować zmiany, przełączasz się komendą /permissions na tryb tylko do odczytu (read-only). Najluźniejszy tryb, pełny dostęp (full access), zdejmuje ograniczenia sandboksa. OpenAI ostrzega, że agent może wtedy przypadkiem wykonać destrukcyjne działania i doprowadzić do utraty danych.

Dodatkowe zabezpieczenia:

reguły sieciowe - po włączeniu sieci możesz ograniczyć ją do listy dozwolonych domen; reguła „deny” zawsze wygrywa z „allow”, a adresy lokalne i prywatne są domyślnie blokowane,
zgoda na działania w aplikacjach - wywołania narzędzi MCP i konektorów oznaczonych jako destrukcyjne zawsze wymagają twojego zatwierdzenia,
Auto-review - opcjonalna automatyczna ocena działań, które wymagają zgody, zanim zostaną wykonane,
monitoring bezpieczeństwa - przy GPT-6 Astra osobny mechanizm obserwuje zachowanie modelu i może wstrzymać zadanie, jeśli wykryje coś niebezpiecznego,
natywny sandbox na Windows - w PowerShellu Codex korzysta z sandboksa Windows, a w WSL2 z mechanizmów linuksowych.

Przy aktualizacji starszej konfiguracji zwróć uwagę na jedną zmianę: ustawienie approval_policy = "untrusted" nie jest już obsługiwane i potrafi zablokować uruchomienie Codexa, więc trzeba je usunąć z plików konfiguracyjnych.

Ochrona przed błędami agenta to jedno, a bezpieczeństwo twojego kodu to drugie. Do tego służy Codex Security, który buduje model zagrożeń repozytorium, szuka podatności, potwierdza je dowodami i proponuje poprawki, sprawdzając, czy faktycznie usuwają problem. Działa jako wtyczka w aplikacji i w CLI, jako osobne narzędzie wiersza poleceń (@openai/codex-security) do skanów w CI oraz jako Codex Security Cloud. Dostęp do skanów przyznawany jest osobno. Dla zweryfikowanych zespołów bezpieczeństwa OpenAI prowadzi też program Daybreak z dostępem do modeli wyspecjalizowanych w cyberbezpieczeństwie.

Co to jest pętla agenta w Codex?

Pętla agenta (agent loop) to mechanizm, który zamienia model językowy w agenta wykonującego pracę. OpenAI opisało ją szczegółowo w styczniu 2026 roku na przykładzie Codex CLI. Jedna tura wygląda tak:

Codex bierze twoje polecenie i dokłada do niego instrukcje, opis dostępnych narzędzi oraz kontekst projektu. Tak powstaje prompt.
Prompt trafia do modelu. To etap wnioskowania (inference).
Model odpowiada na jeden z dwóch sposobów: daje gotową odpowiedź albo prosi o wywołanie narzędzia, np. „uruchom ls i pokaż wynik”.
Jeśli to wywołanie narzędzia, Codex je wykonuje (polecenie w terminalu, edycję pliku, wyszukiwanie), dopisuje wynik do promptu i znowu pyta model.
Kroki 3-4 powtarzają się, aż model przestanie wołać narzędzia i napisze wiadomość do ciebie, np. „Dodałem plik architecture.md”.

Jedna tura może zawierać dziesiątki, a nawet setki wywołań narzędzi. Głównym efektem pracy nie jest przy tym sama wiadomość końcowa, tylko kod zmieniony na twoim dysku. Twoja kolejna wiadomość rozpoczyna nową turę, a cała dotychczasowa historia rozmowy (w Codexie nazywanej wątkiem) wchodzi do nowego promptu.

Ta sama pętla działa we wszystkich wersjach Codexa, od terminala po chmurę. Różnią się tylko narzędzia, do których agent ma dostęp, i granice sandboksa.

Jak Codex wpływa na wnioskowanie w modelu?

Skoro każdy krok dokleja do promptu kolejne wyniki narzędzi i wiadomości, prompt stale rośnie. Każdy model ma jednak okno kontekstu, czyli limit tokenów, które może przetworzyć w jednym wywołaniu (liczą się w nim zarówno dane wejściowe, jak i odpowiedź). Zarządzanie kontekstem to więc jedno z kluczowych zadań Codexa:

Responses API i strumień zdarzeń - Codex CLI wysyła zapytania HTTP do Responses API OpenAI, a odpowiedź przychodzi jako strumień zdarzeń (Server-Sent Events). Fragmenty tekstu od razu pojawiają się na ekranie, a rozumowanie modelu i wywołania narzędzi trafiają do danych wejściowych następnego zapytania.
Bezstanowe zapytania - Codex za każdym razem wysyła pełną historię, zamiast polegać na stanie zapisanym na serwerze. Ułatwia to obsługę firm korzystających z opcji Zero Data Retention, w której OpenAI nie przechowuje danych.
Prompt caching - każdy nowy prompt zaczyna się dokładnie od treści poprzedniego, więc serwer może ponownie wykorzystać wcześniejsze obliczenia. Dzięki temu koszt kolejnych zapytań rośnie liniowo, a nie kwadratowo.
Kompaktowanie kontekstu - gdy rozmowa zbliża się do limitu, Codex streszcza starszą część historii, żeby długie zadanie mogło trwać dalej. Próg ustawia parametr model_auto_compact_token_limit w pliku config.toml, a ręcznie kompaktowanie uruchamia komenda /compact.

Adres Responses API można zmienić w konfiguracji. Dzięki temu Codex działa też z modelami udostępnianymi przez innych dostawców zgodnych z tym API, np. w chmurze Azure, a od czerwca 2026 roku oficjalnie także w Amazon Bedrock. Starszego interfejsu Chat Completions aktualne wersje Codexa już nie obsługują.

Jakie są wymagania systemowe dla Codex?

Wymagania zależą od tego, z której wersji Codexa korzystasz:

aplikacja desktopowa ChatGPT - macOS lub Windows; na Linuksie w wersji preview (Ubuntu 24.04 i 26.04 LTS, Debian 13, Fedora 43 i 44 oraz Arch Linux, na procesorach x64 i ARM64),
Codex CLI - macOS, Linux lub Windows; na Windows działa natywnie w PowerShellu albo w WSL2, a instalacja przez npm wymaga Node.js,
rozszerzenie IDE - VS Code lub zgodny edytor (Cursor, Windsurf), a także JetBrains lub Xcode z ich własnymi integracjami,
Codex Cloud - przeglądarka albo aplikacja ChatGPT oraz repozytorium na GitHubie (GitLab w wersji beta),
praca z telefonu - aplikacja mobilna ChatGPT i sparowany komputer z macOS lub Windows, który pozostaje włączony i online,
GitHub Action - najlepiej runner z Linuksem lub macOS (na Windows akcja działa tylko z wyłączonymi zabezpieczeniami).

Do każdej z tych opcji potrzebujesz konta ChatGPT albo klucza API OpenAI. Modele działają w chmurze, więc lokalne wersje nie wymagają mocnej karty graficznej. Liczą się stabilne łącze i narzędzia, których używa twój projekt (np. Git, Node.js czy Python), bo Codex uruchamia je na twoim komputerze.

Ile kosztuje Codex?

Codex nie ma osobnej subskrypcji. Jest wliczony w plany ChatGPT, a plan decyduje o tym, ile możesz z niego korzystać. Ceny z oficjalnego cennika OpenAI (w dolarach, miesięcznie):

Free (0 USD) i Go (8 USD) - ograniczony dostęp do lekkich zadań z modelem GPT-6 Luna w aplikacji desktopowej,
Plus (20 USD) - Codex w aplikacji, w przeglądarce, w CLI, w rozszerzeniu IDE i na iOS, automatyczny przegląd kodu i integracja ze Slackiem, modele GPT-6.1 Sol i GPT-6 Luna,
Pro (100, 200 lub 500 USD) - wyższe limity; plan za 500 USD daje dostęp do trybu Ultrafast z GPT-6.1 Sol,
Business (20 USD za użytkownika przy płatności rocznej, 25 USD przy miesięcznej, od 2 osób) - wspólna przestrzeń firmy, mocniejsze maszyny w chmurze, SSO i domyślny brak trenowania modeli na danych firmy,
Enterprise i Edu - wycena indywidualna, rozbudowane zabezpieczenia, logi audytowe i kontrola miejsca przechowywania danych.

Limity liczone są w oknach pięciogodzinnych, a do tego mogą dochodzić limity tygodniowe. OpenAI podaje orientacyjne wartości dla planu Plus: 15-160 lokalnych wiadomości na 5 godzin z GPT-6.1 Sol, 5-45 z GPT-6 Astra i 350-3000 z GPT-6 Luna. Rozpiętość wynika z tego, że krótka poprawka zużywa ułamek tego, co długie zadanie w dużym projekcie, a zadania w chmurze zużywają limit szybciej niż praca lokalna. Plany Pro nie mają obecnie limitu pięciogodzinnego, a w planach Plus i Business po wyczerpaniu puli można dokupić kredyty ChatGPT. Pamiętaj też, że ChatGPT Work korzysta z tej samej puli co Codex.

Alternatywą jest klucz API. Płacisz wtedy za zużyte tokeny według cennika API, ale tracisz funkcje chmurowe, takie jak przegląd kodu na GitHubie czy integracja ze Slackiem. Ten wariant sprawdza się głównie w automatyzacji, np. w CI.

Jak Codex wpływa na przyszłość programowania?

Codex i podobne agenty, takie jak Claude Code czy Cursor, zmieniają to, na co programista poświęca czas. Mniej pisze się kodu linijka po linijce, a więcej:

opisuje się zadania i kryteria ich ukończenia (np. „wszystkie testy przechodzą”),
projektuje się architekturę i granice systemu,
przegląda się i weryfikuje zmiany przygotowane przez agenta.

Dobrze widać to po popularności pliku AGENTS.md. Zespoły spisują w nim zasady, które wcześniej przekazywały sobie ustnie przy code review, bo agent stosuje je przy każdym zadaniu. Rośnie też znaczenie umiejętności dzielenia pracy: jedno ogromne polecenie często daje gorszy wynik niż kilka mniejszych zadań z jasnym celem.

Agent nie zdejmuje jednak odpowiedzialności z człowieka. Kod napisany przez AI może zawierać błędy i luki bezpieczeństwa, więc trzeba go czytać i testować tak samo jak kod kolegi z zespołu. Najwięcej zyskują ci, którzy traktują Codexa jak szybkiego, ale wymagającego nadzoru współpracownika: zlecają mu żmudną część pracy, a własny czas przeznaczają na decyzje, których agent za nich nie podejmie.