OpenAI Codex Anleitung: Code-Generierung & Praxistipps

Auch im persönlichen Pro-Tarif fließen Gespräche und Code von ChatGPT und Codex standardmäßig ins Training ein. Der Artikel erklärt, wie sich eine ChatGPT-Einstellung auf neue Codex-Aufgaben auswirkt, warum Umgebungen eine eigene Einstellung haben und welche Informationen Sie besser nicht eingeben sollten. Zudem zeigt er, was zu tun ist, wenn bereits API-Schlüssel oder Kundendaten eingegeben wurden, und welche Ausnahmen bei Löschung und Bewertung gelten.

Das schwebende Pet der ChatGPT-Desktop-App (Codex) verschwindet per Rechtsklick auf „Mini ausblenden“ sofort. Eine Einstellung zum dauerhaften Deaktivieren ist in der offiziellen Dokumentation nicht beschrieben; taucht das Pet wieder auf, lohnt der Blick auf das Tastenkürzel. Wir zeigen die Schritte, Mini, die Unterschiede zu CLI, Web und IDE-Erweiterung sowie den Abgleich mit Windows-Screenshots und offizieller Dokumentation.

Der Codex-Fehler „Selected model is at capacity“ entsteht durch Überlastung auf Seite von OpenAI. Offizielle Störungsberichte und eigene Ausführungsprotokolle ordnen ihn als Serverüberlastung ein. Der Artikel erklärt die Reihenfolge aus Warten, Störungsinformationen prüfen und Modellwechsel, die Unterschiede zu Nutzungslimits, 401 und thread not found sowie was Sie bei einem erneuten Auftreten festhalten sollten.

ChatGPT dot ist ein KI-Agent, der auch zwischen Ihren Unterhaltungen an Aufgaben weiterarbeitet, und im Pro-Tarif ohne Aufpreis enthalten ist. Im To-do-Test erstellte er die App und ergänzte das Rückgängigmachen einer Löschung, die Bildschirmprüfung erfolgte jedoch über Codex. Der Ratgeber zeigt Kosten, Gedächtnis, Berechtigungen, Delegation und Stoppen, damit Sie entscheiden können, wann Sie dot und wann Codex einsetzen.

ChatGPT Pro gibt es in den Stufen 100, 200 und 500. Seit dem 29. Oktober 2026 liegen die Work- und Codex-Kontingente beim 10-, 20- bzw. 50-Fachen von Plus (von dieser Website berechnet), und die offiziellen Monatspreise betragen 100, 200 und 500 US-Dollar; zwei 100er-Abos und ein 200er kosten also gleich viel und bieten dasselbe Gesamtkontingent, die Preise in Landeswährung unterscheiden sich je nach Land oder Region. Der Artikel erklärt außerdem den Geschwindigkeitsverbrauch, wie und wann man gespeicherte Reset-Gutscheine einlöst und wie sie sich von Credits unterscheiden.

Wenn Sie in Codex GPT-6 Sol nutzen, können Sie problemlos auf GPT-6.1 Sol wechseln. Das am 29. September 2026 veröffentlichte Modell wird für komplexe Programmieraufgaben und lang laufende Arbeiten empfohlen. Kontextgrenze und API-Preise für Eingabe und Ausgabe sind gleich, zwischengespeicherte Eingaben kosten die Hälfte und der Wissensstichtag liegt zehn Tage später; der Artikel erklärt die Umstellung in Codex, Plus- und Pro-Budgets sowie den Vergleich bei gleicher Medium-Einstellung.

Im normalen ChatGPT-Chat mit Pro wird die Bilderstellung als unbegrenzt aufgeführt, allerdings gelten Schutzbeschränkungen gegen Missbrauch. In Codex und Work wird dagegen das gemeinsame Nutzungskontingent verbraucht. Claude-Modelle erstellen selbst keine Fotos oder Illustrationen, Claude Code kann Visuals aber per Code oder über externe Bild-APIs erzeugen, und der Artikel zeigt, wie Sie Bilder passend zur Verwendung auswählen und prüfen.

Jedes Mal, wenn ein neues Modell erscheint, die Sessions einzeln zu öffnen und Modell und Effort umzustellen, ist mühsam. In meinem Test am 24. September 2026 hat es sowohl in Claude Code Desktop als auch in Codex funktioniert, den Assistenten zu bitten, „alle auf diesen Wert umzustellen“ – ohne dass ich jede Session selbst anfassen musste. In Claude Code Desktop änderten die Werkzeuge, die die App dem Assistenten gibt, die Sessions, ohne eine Nachricht zu senden, und die Änderungen überstanden einen Neustart der App. Er sieht allerdings nur lokale Desktop-Sessions, standardmäßig nur die 20 zuletzt aktiven, und die anfragende Session kann er nicht ändern. In Codex wurde der Standardwert für neue Chats in der config.toml geändert, und der Assistent stellte die 115 bestehenden Chats in meiner Umgebung mit internen Mechanismen einzeln um. Die in der App geöffneten Chats bekamen dabei je eine Bestätigungsnachricht. Dieser Artikel zeigt, wie sich die beiden unterscheiden, was sie erreichen und was nicht, Beispiel-Prompts und 4 Prüfungen: alte Werte festhalten, Umfang festlegen, alles erneut auslesen und eine Session mit eigenen Augen prüfen.

OpenAI hat GPT-6 Sol und GPT-6 Luna am 22. September 2026 (US-Zeit) veröffentlicht. Sol kostet 1/5 von Astra ($2 Input / $10 Output), Luna 1/100 ($0.10 Input / $0.50 Output), und beide sind in ChatGPT Work und Codex bei Plus, Pro, Business, Enterprise und Edu sowie in der API verfügbar. Free und Go bekommen nur Luna, und zwar in der Desktop-App. Im normalen Chat gab es zum Release keines der beiden Modelle, doch seit dem 7. Oktober läuft GPT-6 im Chat bei Plus, Pro, Business und Enterprise auf Sol, seit dem 8. Oktober bei Free und Go auf Luna. GPT-5.6 bleibt während der Übergangszeit verfügbar. Der Artikel richtet sich an alle, die derzeit Astra auf low nutzen (in der App als Light angezeigt), und trennt seine Quellen nach Herausgeber: die offizielle Empfehlung nach Einsatzzweck (Sol ab Medium, Luna ab High, Astra ab Light) und wie sie sich vom Standard-Preset der App (Sol Light) unterscheidet; das Ergebnis von OpenAI bei AutomationBench, in dem Sol xhigh Astra low schlug; die Werte aus den Vergleichen von Artificial Analysis (42 % für Astra low gegenüber 19 % für Sol medium bei Terminal-Bench 4.0, aber 59 % gegenüber 58 % bei Business-Workflows); und den kleinen Test von AI Arte (alle Einstellungen bestanden die kurzen Aufgaben, was keine Grundlage für eine Rangfolge ist). Außerdem erklärt er, warum sich das Verhältnis der Stückpreise nicht direkt auf die Gesamtkosten einer Aufgabe oder auf den Umfang eines Abos übertragen lässt, und wo die Entscheidung kippt: Sol medium für die tägliche Arbeit, Sol low oder Luna high für kurze, leicht prüfbare Aufgaben und Astra für schwierige Entwürfe und wichtige Reviews.

Kann Codex den Verlauf einer Aufgabe lesen, aber keine Nachricht senden, heißt das nicht, dass die Konversation verloren ist. Ein Schaubild zeigt, wie sich der gespeicherte Verlauf von der für die Ausführung geladenen Konversation unterscheidet. Der Artikel ordnet erneutes Öffnen, Neustart und eine kurze Prüfnachricht, beschreibt die Übergabe bei anhaltenden Problemen und nennt die Angaben für Berichte.

Ein neueres Modell ist klüger, aber teurer — so denkt man für gewöhnlich. Der Vergleich von GPT-6 Astra und GPT-5.6 Sol allein über den Stückpreis führt jedoch zu gar nichts, denn Astra erledigt dieselbe Aufgabe mit weniger Tokens. In Messungen des unabhängigen Benchmark-Anbieters Artificial Analysis kostet Astra auf seiner schwächsten Stufe low pro Aufgabe fast genau so viel wie Sol auf high ($0.82 gegenüber $0.81), schneidet dabei besser ab (46 gegenüber 42) und braucht dafür ein Drittel der Output-Tokens und ein Viertel der Wartezeit, bis die Antwort einsetzt. Auf Basis der Werte mit Stand vom 18. September 2026 behandelt dieser Artikel Kosten, Tokens und Geschwindigkeit auf jeder Reasoning-Effort-Stufe, die Aufschlüsselung, die erklärt, warum ein 2,5-facher Stückpreis trotzdem auf derselben Summe landet, die Rechnung für den Tag nach Sols Aktionspreis, den schrumpfenden Preisabstand bei der Arbeit von Coding-Agenten sowie die Schritte, um all das an der eigenen Arbeit nachzumessen.

OpenAI hat GPT-6 Astra am 3. September 2026 veröffentlicht. Die API ist ohne Freischaltung allgemein verfügbar, die Modell-ID lautet gpt-6-astra, das Kontextfenster umfasst 1.050.000 Tokens, der Preis liegt bei $10 für Input und $50 für Output pro Million Tokens, und der Wissensstichtag ist der 30. April 2026. Doch „ist veröffentlicht“ und „ist in Ihrem Tarif nutzbar“ sind zwei verschiedene Dinge: In ChatGPT Plus taucht das Modell in der normalen Chat-Oberfläche nicht auf, der Weg führt zunächst über ChatGPT Work und Codex. Dieser Artikel behandelt die Verfügbarkeit nach Tarif, die richtige Sichtweise auf den Preis, bei dem ein doppelter Stückpreis pro Aufgabe trotzdem günstiger ausfallen kann, die von OpenAI genannten Benchmarks, die im Preparedness Framework erstmals als „Critical“ eingestufte Cybersecurity-Fähigkeit samt der Linie, die OpenAI darum gezogen hat, die vier Bruchstellen bei der Migration (entfernte Sampling-Parameter, Responses API, kein Reasoning-Effort none, umbenannte Cache-Einstellung) sowie den Vergleich mit Claude Opus 5, Fable 5.1 und Gemini 3.8 Flash — durchgehend beschränkt auf das, was sich an Primärquellen bestätigen ließ. Außerdem zeigt er mit Angabe der Herausgeber, dass Claude Opus 5 beim selben DeepSWE v1.1 in der Tabelle von OpenAI 73,7 % und in der Ankündigung von Anthropic 68,8 % erreicht.