Em julho de 2026, o agente de programação Codex da OpenAI, junto com o ChatGPT Work, ultrapassou 10 milhões de usuários ativos semanais. Seis meses antes, esse número era menos de 5% do do concorrente Claude Code.
Altman recentemente chamou a campanha de recuperação de “missão kamikaze” — e o ponto do kamikaze nunca foi a coragem; era a disposição de pagar qualquer preço. Para retomar a trilha dos agentes de programação, a OpenAI desligou o Sora, matou o navegador Atlas, aumentou 100 vezes o poder computacional interno de programação e tolerou um sistema de subsídios praticamente sem teto.
O resultado impressionou a indústria. Mas o que merece análise não é a taxa de crescimento — é quais regras profundas da competição em produtos de IA o sprint revela.
Por Que Altman Valorizou Essa Disputa Mais Que o Sora
Comecemos por por que perder era inaceitável. Na entrevista, Altman revelou uma métrica interna fundamental: o índice RSI (Recursive Self-Improvement) — uma medida de quão bem os modelos participam da própria iteração, abrangendo troubleshooting, otimização de baixo nível, melhorias de pré-treinamento e refinamento dos processos de pós-treinamento. Do GPT-5.5 ao 5.6, o índice saltou de 41,7 para 57,9. Um agente de programação não é apenas um produto vendido a clientes; é a ferramenta que fabrica a próxima geração de produtos.
Isso explica o sacrifício do Sora. Quando um produto tem a propriedade de infraestrutura de “inteligência produzindo inteligência”, seu valor estratégico deixa de ser receita e passa a ser a variável que decide os saltos geracionais entre modelos. O Sora, por mais bem-sucedido que seja, é uma aplicação em geração de vídeo. Um agente de programação participa diretamente da construção do próximo modelo.
Isso também expõe uma mudança de baixo para cima na indústria: a fronteira entre produto e ferramenta de produção está se dissolvendo. Quando seu produto voltado ao usuário (Codex) serve simultaneamente como infraestrutura do seu próximo produto (Codex melhorando o GPT), ele naturalmente se sobrepõe a toda aplicação pura.
Como o Codex Realmente Venceu
A resposta: não por qualidade — mas por uma combinação de velocidade, distribuição e subsídios.
Velocidade. Na avaliação de agentes de programação da Artificial Analysis, o Claude Code leva em média 23,6 minutos por tarefa; o Codex precisa de 10,2. Em testes cegos, o Claude Code ainda lidera em qualidade de código, com taxa de vitória de 67% — mas os desenvolvedores votam com os pés, e a lógica é direta: a maior parte do trabalho diário consiste em adicionar testes, ajustar interfaces e corrigir casos extremos, onde terminar mais rápido vale mais que terminar melhor.
Por baixo da diferença de velocidade está a eficiência de tokens. Na mesma tarefa, o Claude Code consome em média 21,8 milhões de tokens em 153 interações com o modelo; o Codex usa 13,2 milhões em 114. A explicação da OpenAI: o GPT-5.6 foi treinado para pegar atalhos — em tarefas com muitos usos de ferramentas, ele prefere escrever um trecho de código para processar resultados intermediários a realimentar o modelo com cada retorno de ferramenta para julgamento.
Distribuição. O Codex vem embutido nos planos existentes do ChatGPT — usuários gratuitos recebem cotas de teste, usuários pagantes recebem cotas maiores. Experimentar o Codex não exige novo registro, nova conta ou novo modelo de preços para aprender. O atrito é praticamente zero.
Subsídios. O líder de produto do Codex, Tibo, redefiniu as cotas de uso de todos os usuários aproximadamente a cada 9 dias — apertando para cada 3 dias em julho — com tanta frequência que alguém criou o codex-resets.com só para acompanhar as renovações. Mais extremo ainda: se sua cota acabar no meio de uma tarefa, o Codex conclui o trabalho antes de parar. Assinatura expirada? Os privilégios Pro persistem silenciosamente por dias.
A combinação também aparece internamente: no fim de junho de 2026, 98% dos funcionários da OpenAI trabalhavam via Codex — bem além da engenharia, com mais de 85% usando-o semanalmente em áreas fora da função. O uso em cenários de pesquisa cresceu 56× em sete meses, e as solicitações de execuções autônomas de agentes por 8 horas cresceram 10×.
O Preço do Sprint
A recuperação foi cara, e não apenas no Sora desligado e no navegador Atlas morto.
A escrita do GPT regrediu. Em janeiro, alguém perguntou a Altman por que o GPT-5 programa brilhantemente mas escreve pior. Ele não se esquivou: a maior parte do esforço foi para raciocínio, programação e engenharia; escrita e conversa ficaram esperando. Um modelo não pode sprintar em todas as direções ao mesmo tempo.
O gasto computacional é espantoso. O plano de US$ 200/mês frequentemente entrega bem mais de US$ 1.000 em uso de modelo. A generosidade dos subsídios beira o absurdo — cotas renovam semanalmente, renovam por bugs, renovam em atualizações de versão.
O negócio ainda não é lucrativo. O Claude Code passou de US$ 2,5 bilhões em receita anualizada em fevereiro de 2026. O Codex só cruzou US$ 1 bilhão no fim de janeiro. A participação de mercado se recuperou; a receita e a economia unitária seguem sem comprovação.
As Regras Estruturais Por Trás da História
-
Quando o produto é infraestrutura, a concentração de recursos se sobrepõe a tudo. Um erro inicial de avaliação na conclusão de código custou à OpenAI toda a sua vantagem de pioneirismo. Assim que o significado estratégico do RSI ficou claro, Altman cortou todas as outras coisas boas sem hesitar.
-
Nos mercados de ferramentas de IA, a velocidade vence o uso diário sobre a qualidade. Os testes cegos ainda favorecem o Claude Code em qualidade, mas os desenvolvedores escolheram a ferramenta mais rápida. Não é a lei de Gresham — para a maior parte do desenvolvimento cotidiano, “rápido o suficiente” simplesmente produz mais que “o melhor”.
-
A distribuição é a superalavanca da era da IA. Por melhor que seja o seu produto, ele perde para estar dentro do app que os usuários já abrem. As centenas de milhões de usuários do ChatGPT fizeram tanto pelo Codex quanto qualquer melhoria de modelo.
-
Os subsídios na verdade compram dados de uso e hábito comportamental. As renovações frenéticas não estavam comprando contagem de usuários — estavam comprando os dados de padrões de uso de desenvolvedores transformando o Codex em memória muscular, o que alimenta a melhoria do modelo e acelera o volante.
Guia de Ação por Papel
Desenvolvedores: parem de encarar benchmarks. O Codex e o Claude Code servem a trabalhos diferentes — depuração diária, DevOps e prototipagem rápida favorecem o Codex; refatorações complexas, code review e trabalhos críticos de qualidade favorecem o Claude Code. Ter os dois é a postura correta do engenheiro em 2026.
Gente de produto: se você constrói ferramentas de IA, distribuição e velocidade podem ser vantagens mais escassas que capacidade. A jogada open-source do Kimi K3 é outra rota — acesso aberto como distribuição para a comunidade de desenvolvedores. Seja qual for o caminho, use a lógica do RSI para julgar o seu próprio produto: é uma aplicação pura, ou entra no volante de “inteligência produzindo inteligência”? Se for o segundo caso, vale cortar todo o resto por ele.
Investidores: Altman diz que a IA já produziu duas grandes formas de produto — chatbots e agentes de programação. A terceira onda, agentes de IA persistentes, não está longe. Comece a apostar agora em equipes que consigam entrar na camada de “infraestrutura de inteligência”.
Frase final de Altman: “O atraso causado pelo nosso erro inicial de avaliação sobre o Codex — não posso me permitir cometer esse erro duas vezes.” Se a OpenAI estiver atrasada mais uma etapa quando a terceira forma de produto se cristalizar, o preço da próxima vez pode ser maior que o Sora e o Atlas.
Essa frase é dirigida a todas as empresas de IA.
Referências: 36Kr, “Codex finalmente ultrapassa o Claude Code, a um custo pesado” · Zhi Dongxi, “Entrevista mais recente de Altman” · Avaliação de agentes de programação da Artificial Analysis · Relatórios comparativos de terceiros da OpenCode e FireCrawl.
