Toda semana aparece um modelo novo e, com ele, a mesma pergunta: qual assistente de código é melhor de verdade? Desta vez o confronto foi direto: Opus 4.8 rodando no Claude Code contra GPT-5.5 rodando no Codex.

O canal YJ X AI colocou os dois lado a lado num teste de mais de 1 hora, com 9 desafios reais — de sites no estilo Apple a jogos na Unity, passando por código de backend puro em CUDA/OptiX. Nós assistimos ao vídeo inteiro, lemos a transcrição e todos os comentários da comunidade. O resultado é a comparação mais completa que você vai encontrar em português.

⚠️ Importante: este é o teste de um criador, com prompts específicos e configurações específicas. Use como uma ótima referência — não como veredicto absoluto. Mais à frente mostramos inclusive as críticas (válidas) que a própria audiência fez ao método.

Imagem: thumbnail do vídeo original do canal YJ X AI (incorporado no fim do post).

As regras do duelo

Foram 9 tarefas, misturando criatividade pura, fidelidade a um briefing e engenharia de verdade:

1. Site da “Orange” — um site institucional no estilo Apple, do zero.
2. Vídeo explicativo — animação sobre como funciona uma turbina de avião, com narração e trilha geradas via código.
3. Réplica de site (Apple Watch) — recriar uma imagem de referência o mais fiel possível.
4. Nvidia CUDA / OptiX — um desafio de backend puro, sem frente visual.
5. Jogo de corrida na Unity.
6. Editor de vídeo — um app de verdade em SwiftUI.
7. Dragão no Blender — criatividade 3D.
8. Modelo de prédio no Blender — recriar uma planta/render fiel à imagem.

Detalhe que muda tudo: o Opus rodou em um modo novo do Claude Code, o “ultra” (ultrathink), que dispara vários sub-agentes em paralelo, com fases de draft → judge → synthesize → verify → repair. Poderoso — e devorador de tokens.

Placar, round a round

Desafio	Vencedor	Por quê
Site Orange (criativo)	🟦 Opus 4.8	Gerou imagens reais (Nano Banana Pro) e vídeo (Veo 3.1), animação por scroll e elementos que reagem ao cursor. O GPT-5.5 usou só SVG e não gerou imagens.
Vídeo da turbina	🟦 Opus 4.8	Legendas alinhadas palavra a palavra, trilha suave (Lyria 3 Pro) e ilustrações precisas. O GPT teve sobreposições e narração inconsistente.
Réplica do site (Watch)	🟩 GPT-5.5	Ficou fiel à imagem de referência. O Opus tomou liberdade criativa que ninguém pediu → considerado um “fail” de fidelidade.
Nvidia CUDA/OptiX (backend)	🟦 Opus 4.8	A surpresa da noite: venceu num desafio de backend puro, com render funcional e fiel.
Jogo de corrida Unity	🟰 Empate	O GPT mandou melhor nas pistas; o carro do Opus ficou mais bonito. Ponto para os dois.
Editor de vídeo (SwiftUI)	🟦 Opus 4.8	Entregou um app funcional impressionante. O GPT-5.5 travou (crashou) ao testar uma importação.
Modelo de prédio (Blender)	🟩 GPT-5.5	Fidelidade de novo: o Opus não chegou perto da referência; o GPT replicou com precisão.

Resultado geral: o Opus 4.8 venceu o confronto — levou os desafios criativos, o backend e o app, além de empatar no jogo. O GPT-5.5 dominou as duas tarefas de réplica fiel. Não é “só front-end”: o Opus também brilhou onde havia engenharia de verdade.

A diferença que explica tudo: duas personas

Mais interessante que o placar é o porquê. O próprio autor resumiu numa analogia que bate com o que a comunidade sentiu:

• Codex (GPT-5.5) — o verificador cauteloso. Faz exatamente o que você pede, nem mais nem menos. Investiga, executa e verifica muito no fim. Economiza tempo e tokens. É o rei quando o objetivo é precisão e fidelidade ao briefing.
• Claude Code (Opus 4.8) — o trabalhador criativo. Vai em passos pequenos, demora mais, toma liberdade criativa e costuma entregar além do que foi pedido. Junto com os modelos Gemini, é especialmente forte em front-end e criatividade.

Ou seja: a “fraqueza” de um é a “força” do outro. O Opus perdeu as réplicas justamente por criar demais; o Codex venceu as réplicas justamente por se conter.

Comparação ponto a ponto

🎨 Front-end, design e criatividade → Claude Code (Opus 4.8). Quando o objetivo é “me impressione”, o Opus brilha: usou modelos de imagem/vídeo de ponta e detalhes de microinteração que pareciam trabalho de estúdio.

📐 Fidelidade ao briefing / replicar uma referência → Codex (GPT-5.5). Se você precisa que o resultado seja idêntico a uma imagem ou spec, o Codex é mais confiável. Dica da comunidade: escreva “pixel perfect” no prompt para conter a criatividade do Opus.

⚙️ Backend puro (CUDA/OptiX) → Opus 4.8 surpreendeu e venceu, derrubando a ideia de que ele só é bom em telas bonitas.

🛡️ Robustez e iteração → ponto delicado para o Codex: ele travou ao iterar no editor de vídeo, enquanto o Opus aguentou várias rodadas de ajuste.

🤖 Modo agêntico / sub-agentes → o Claude Code “ultra” orquestra múltiplos agentes (rascunhar → julgar → sintetizar → verificar → reparar). É o que dá aquele acabamento — mas custa caro.

💸 Consumo de tokens e custo → aqui o Codex leva vantagem. O Opus chegou a rodar 15 minutos e 25 mil+ tokens num único desafio. Como brincou um espectador: “minha carteira está chorando, isso parece caro”. O Codex tende a economizar tokens fazendo só o necessário.

📋 Seguir instruções vs. fazer demais → as duas leituras aparecem nos comentários (veja abaixo): para uns, o Opus “entrega qualidade”; para outros, o Codex “se conteve de propósito” e isso é maturidade, não preguiça.

O que a comunidade falou

Os mais de 100 comentários renderam argumentos dos dois lados — e vale ouvir todos.

Time Claude Code / Opus 4.8:

• “Opus 4.8 DUNKED on GPT-5.5.”
• “O Opus sempre faz as mudanças com um pedido só. É a melhor coisa que existe agora.”
• “Quem já construiu um editor de vídeo sabe o quão impressionante foi ele criar um com um único prompt.”
• @KizamyYT: “É óbvio que o 4.8 segue mais as instruções e garante o trabalho com alta qualidade. O Codex tenta te poupar tempo e tokens, adicionando features fora do escopo pra parecer que superou. Opus = qualidade > quantidade.”

Time Codex / GPT-5.5:

• @hooni-mining (o comentário mais curtido dessa linha): “CODEX gpt5.5 win.”
• @accountname7738: “No projeto Orange, o Codex foi claramente o vencedor pra mim. Ele entendeu que geradores de imagem produzem imagens inconsistentes e fez a escolha acertada de evitá-las — foi uma decisão de design.”
• @manish_kafle01: “Acho que o Claude não entende a imagem tão bem quanto o ChatGPT.”
• @SANATANI89: “Prefiro os modelos GPT; minha empresa paga o Cursor de US$200 e uso o Composer 2.5 — estou feliz.”
• @Dead_Goat: “O 4.8 é ruim de ouvir instrução e de deixar as coisas bonitas. O 4.6 era bem melhor.”

Críticas ao método (importantíssimas):

• @Saim.NMusic / @keithmuzondo: “Teste enviesado — você usou skill de design de front-end com o Claude, mas não com o GPT.”
• @techwithmandeep: “Você ativou o ‘ultra code’ pro Opus. Ativou o xhigh pro GPT-5.5?” — ou seja, as configurações podem não ter sido equivalentes.
• @m.a3914: “As formas de teste estão ficando obsoletas. Que conclusão tirar de um teste em que um modelo trabalhou 1 hora e o outro 3 minutos?”

Dicas técnicas que saíram dos comentários:

• @phonemyatko: no Codex, use /image gen no prompt para ele conseguir gerar imagens.
• @Spiderjin: “O Opus ‘moendo’ tokens é porque o Claude Code agora usa high-effort por padrão; a Anthropic recomenda setar xhigh manualmente para rodadas longas. Os dois fails de réplica foram só liberdade criativa — resolve dizendo ‘pixel perfect’ no prompt.”

Então, qual você deve escolher?

Não existe “melhor” universal — existe o melhor para a sua situação:

Escolha o Claude Code (Opus 4.8) quando:

• Você tem só uma ideia vaga e quer que a IA te surpreenda.
• O foco é front-end, design e criatividade.
• A tarefa é agêntica e longa, com muitos passos.
• Você aceita pagar mais tempo e mais tokens por um acabamento superior.

Escolha o Codex (GPT-5.5) quando:

• Você sabe exatamente o que quer e precisa de fidelidade ao briefing.
• O trabalho é replicar uma referência ou seguir uma spec à risca.
• Custo e economia de tokens importam.
• Você quer um executor que faz o que foi pedido — nem mais, nem menos (e lembre do "pixel perfect").

E os dois conselhos de ouro da comunidade: configure de forma justa (ultra/xhigh nos dois) e trate qualquer benchmark de YouTube como referência, não como sentença.

O vídeo completo

Veja o duelo na íntegra no canal YJ X AI — vale pela quantidade de testes e pelo trabalho do criador (foram mais de 12 horas montando tudo):

Crédito do vídeo e da thumbnail: canal YJ X AI no YouTube.

E você, time Claude Code ou time Codex? Conta nos comentários qual tem te entregado mais resultado no dia a dia. 🚀