Pi vs Claude Code vs Codex: KI-Coding-Agenten 2026 im Vergleich — Code, Bugs, Tokens und Kosten

Im September 2026 ist es normal, drei KI-Coding-Agents gleichzeitig im selben Terminal geöffnet zu haben. Pi ist ein MIT-lizenziertes Harness, das Mario Zechner im August 2025 begonnen hat. Claude Code ist der offizielle Terminal-Agent von Anthropic. Codex CLI ist das offizielle Harness von OpenAI und setzt standardmäßig auf die GPT-5.6-Linie — Sol, Terra und Luna. Alle drei können Dateien ändern, Befehle ausführen und einem roten Test hinterherjagen. Viele Teams fragen immer noch, welches Modell klüger ist. Die bessere Frage lautet, welches Harness Sie um das Modell gelegt haben: wie viele feste Token es in jeder Runde injiziert, welche Berechtigungen es voraussetzt, ob Sie den Anbieter wechseln können, und ob Sie einen Sitz oder eine erledigte Aufgabe bezahlen. Dieser Artikel überspringt öffentliche Ranglisten. Er beantwortet eine Kaufentscheidung: wie Sie Codegenerierung, Bugfixing, Token-Verbrauch, Modellsupport und Entwicklungskosten auseinanderziehen. Wer in Deutschland oder der DACH-Region einkauft, sollte dieselbe Frage in Euro pro erledigter Aufgabe stellen, nicht in Modellpunkten.

Warum Modelle zuerst zu vergleichen 2026 bereits die falsche Entscheidung ist

Der alte und der neue Weg prallen ganz konkret aufeinander. Der alte Weg ist modellzentriert: Sie sperren Opus, GPT-5.6 oder ein lokales Gewicht fest und schrauben dann das nächstgelegene CLI drauf. Der neue Weg ist harness-first: Sie entscheiden zuerst, ob Sie einen minimalen, auditierbaren Kern wollen, Guardrails direkt aus der Box, oder eine Standard-Eindämmung, die an einen Anbieter gebunden ist. Dieselbe Anweisung — „mach den fehlschlagenden Test grün“ — erzeugt unterschiedliche Rechnungen und unterschiedliche Unfälle, weil das Harness entscheidet, wie viele Bytes das Modell pro Runde erreichen, ob ein Sub-Agent den gesamten Systemprompt neu lädt, und ob ein Dateischreiben auf einen Menschen wartet.

Drei Dinge haben daraus ein Planungsproblem statt eines Hobbyvergleichs gemacht. Erstens haben interne Studien Mitte 2026 begonnen, dasselbe Modell mit verschiedenen CLIs auf privaten, bereits gemergten Änderungen zu paaren, die mit Tests ausgeliefert werden. Öffentliche SWE-Bench- und Terminal-Bench-Sätze sickern leicht ins Training; eine Produktionssuite ist schwerer zu spielen. Zweitens haben sich Abo-Versicherung und getaktete API-Rechnungen aufgespalten. Ein Claude-Code-Sitz kann günstiger sein als schlampiger API-Verbrauch, und der Token-Vorteil von Pi zählt nur, wenn Sie ohnehin schon pro Token gezahlt haben. Drittens unterscheiden sich die Standardberechtigungen um eine Größenordnung. Pi erbt den startenden Benutzer. Claude Code fragt zuerst. Codex neigt zu Sandbox und Policy. Wer weiter nur nach Modellscore einkauft, kauft Rechnung und Vorfall im Doppelpack. Das gilt besonders, wenn Compliance oder ein Betriebsrat später nachvollziehen will, wer wann geschrieben hat.

Es gibt außerdem eine lokale Steuer. Inferenz kann in der Cloud leben, während CLI, Editor, Language Server, Browser und Docker weiterhin den Unified Memory fressen. RAM-Stufen stehen im M6-Mac-mini-RAM-Leitfaden. Ob ein Knoten einen residenten Agent hosten sollte, steht unter Ist der M6 Mac mini für Entwickler geeignet. Wer den Agent den ganzen Tag neben Xcode und Docker laufen lässt, merkt die Speichersteuer schneller als jede Token-Tabelle.

Wie Sie Pi, Claude Code und Codex klassifizieren

Die drei Namen als Gleichrangige nebeneinanderzulegen, garantiert eine unordentliche Shortlist. Klassifizieren Sie sie nach Harness-Dicke. Lassen Sie eine Klasse weg, bleibt Ihnen nur Reputation. Die Dicke sagt mehr über Rechnung, Risiko und Nacharbeit aus als jede Marketingfolie zum Flaggschiffmodell.

Pi ist absichtlich klein: ein Coding-Agent-CLI, eine Multi-Provider-API, ein TUI. Community-Traces dicker Harnesses haben Systemprompts im Bereich von zwanzigtausend Token plus lange Tool-Kataloge gezeigt. Pi hält den Prompt bei etwa tausend Token und vier eingebauten Tools. Das spart Geld und Aufmerksamkeit: Token, die Sie nicht senden, können die Mitte des Kontextfensters nicht verdünnen. Die Dokumentation ist ehrlich zur Lücke. Es gibt keinen eingebauten Planmodus, keinen Sub-Agent-Manager, kein Hintergrund-Bash, kein Berechtigungs-Popup, keinen MCP-Client und keine Todo-Liste. Das sind Erweiterungen oder Ihr Orchestrator. Wer diese Lücken kennt, plant sie ein, statt sie nach dem ersten Vorfall zu entdecken.

Claude Code geht die gegenteilige Wette ein. Es kodiert, was geöffnet werden soll, wenn die Anfrage vage ist, welche Befehle vor einer Änderung laufen, und wann anzuhalten und zu fragen ist. Wenn Sie noch keine AGENTS.md pflegen, ist diese Versicherung das Produkt, nicht Verschwendung. Vermischen Sie keinen Sitz mit einem API-Key. Die Sitzmathematik steht unter Claude-Code-Monatskosten für Einzelentwickler. Ein Abo, das unklare Prompts auffängt, kann günstiger sein als ein offenes API-Konto, das jede Explorationsrunde voll berechnet.

Codex ist nicht „noch ein CLI, das Dateien ändert“. Es verkauft Standardeindämmung und ein Konto über die OpenAI-Tür: CLI, IDE-Erweiterung, Codex Web, Desktop. Die Modellleiter von Sol für schwere, offene Arbeit bis Luna für hochdurchsatzige Wiederholungen passt zu Teams, die bereits an ChatGPT und Codex gebunden sind. Wie eine Tool-Schleife geformt sein sollte, steht unter Was ist Function Calling. Kontextfenster und Computer-Use-Grenzen des aktuellen Flaggschiffs stehen unter Was ist GPT-6 Astra. Wer ohnehin schon Rechnungen, SSO und Review in diesem Ökosystem hat, kauft vor allem Konsistenz, nicht einen dritten Editor.

Kernvergleich: Einstieg, Ausführung, Kontext, Zielgruppe

Der echte Unterschied ist der Einstieg, nicht welches Labor einen höheren Score veröffentlicht hat. Nutzen Sie einen Satz von Spalten, sonst können Sie nicht entscheiden. Dieselben fünf Überschriften halten den Vergleich ehrlich und verhindern, dass aus einer Tabelle eine Werbeliste wird.

Eine zweite Tabelle ergänzt nur Kosten und Berechtigungen. Die Überschriften bleiben dieselben, damit der Fließtext nicht in leere Adjektive kippt. Lesen Sie die Zeilen als Buchhaltung, nicht als Geschmacksurteil.

Codegenerierung, Bugfixes, Token: wie ein fairer Test aussieht

Akzeptieren Sie keine öffentliche Übungsaufgabe als Abnahmetest. Antworten auf diese Probleme leben im Internet und sitzen möglicherweise schon im Training. Ziehen Sie Änderungen aus Ihrem eigenen Repo, die bereits gemergt sind, mit Tests ausgeliefert werden und nicht von einem Bot stammen. Nutzen Sie eine Generierungsaufgabe, die ein Modul so füllt, wie der Baum es bereits tut, einen bekannten fehlschlagenden Test und eine Regression, deren Datei Sie nicht nennen. Bewerten Sie nur Compile und die Original-Suite. Heuern Sie kein anderes Modell als Richter an. Wer intern misst, sollte die drei Samples vor dem ersten Vergleich einfrieren, sonst vergleicht das Team nächste Woche eine andere Geschichte.

# Same failing test, three CLIs — do not paste keys into the prompt
pi --model anthropic/claude-opus-4-8 \
  "Fix the failing test in auth_test.py and keep the public API stable."

claude "Fix the failing test in auth_test.py and keep the public API stable."

codex "Fix the failing test in auth_test.py and keep the public API stable."

# After the run, record: tokens in/out, wall time, test pass/fail, files touched

Bei der Codegenerierung ist das Umbenennen einer Schnittstelle, das Füllen eines Moduls nach einem bestehenden Muster oder das Ablegen von Boilerplate in Pi gewöhnlich günstiger. Sie haben die Spec bereits geschrieben. Das zwanzigtausend-Token-Rückfallhandbuch eines dicken Harness ist eine zweite Kopie eines Dokuments, das Sie selbst pflegen. Unscharfe Arbeit — „dieser Pfad fühlt sich langsam an, schau mal“ — bleibt in Claude Code oder Codex stabiler, weil das Harness auffüllt, welche Dateien zu lesen und welche Befehle vor einer Änderung zu fahren sind. Klare Specs belohnen das dünne Harness; unklare Sätze belohnen die eingebaute Checkliste.

Bugfixes teilen sich danach, ob der Ort bekannt ist. Wenn Testname und Assertion bereits auf eine Funktion zeigen, reicht Pi. Wenn das einzige Signal ein intermittierender 500 oder ein Zahlungsfehler in einem Land ist, explorieren Sie mit einem dicken Harness, sperren Sie die Datei und übergeben Sie den mechanischen Patch an Pi. Jeden Job an „stärkstes Modell plus maximaler Effort“ zu binden, sprengt die Rechnung, bevor es die Suite verbessert. Explorieren und Ausfüllen in derselben teuren Sitzung zu lassen, ist der häufigste Weg, ein Quartalsbudget in einer Woche zu verbrennen.

Behandeln Sie den Listenpreis pro Million Token nicht als Entwicklungskosten. Gepaarte interne Läufe wiederholen denselben Befund: Beim selben Modell und derselben Aufgabe sendet Pi pro Runde etwa ein Drittel so viel Inhalt wie ein dickes Harness. Längere Aufgaben und mehr Dateien lassen die Lücke zinseszinsen. Teams haben gesehen, dass Opus bei hohem Effort in einem Anbieter-CLI bei etwa zwei Dollar pro Aufgabe landet und in Pi bei etwa der Hälfte, mit einer Passrate innerhalb weniger Punkte. Drehen Sie den Effort auf die maximale Stufe, und Pis Strategie „so wenig wie möglich senden“ kann hinter dem langen Reasoning des Modells zurückfallen. Die Abnahme muss deshalb den Effort-Regler enthalten. Eine Stufe ist keine Studie. Wer nur die Marketingstufe „max“ fährt, misst das Harness nicht, sondern das teuerste Verhalten des Modells.

Sub-Agents verstecken ein weiteres Leck. Wenn ein dickes Harness delegiert, lädt jedes Kind oft den gesamten Systemprompt und die Tool-Liste von null neu. Eine gemessene Aufgabe nutzte direkt etwa 121.000 Token und nach einer Teilung in zwei Kinder mehr als 500.000. Parallelität, die Sie in der UI sehen, kann eine vierfache Rechnung sein. Abo-Nutzer, die zu Pi wechseln, beginnen außerdem, API-Zähler zu zahlen. Die „halb so teuer“-Schlagzeile gilt nur, wenn Sie bereits auf Usage-Billing waren. Parallelität ohne Tokenbuchhaltung ist nur ein zweites Dashboard, keine Ersparnis.

Wie Sie nach Szene wählen

Die Szene entscheidet vor der Marke. Schreiben Sie zuerst auf, wie klar Ihre Specs sind, welches Konto bereits bezahlt, und welche Rechte der Agent ohne Nachfrage haben darf. Dann erst wählen Sie das Harness. Die folgende Tabelle ist eine Routing-Regel, kein Ranking.

Empfohlene Stacks

A — Solo-Entwickler auf getakteter API: Pi ist der primäre Pfad. Legen Sie eine kurze, für Agents lesbare Spec in die Repo-Wurzel: Layout, Testbefehl, Pfade, die sich nicht ändern dürfen. Starten Sie auf einer hohen Effort-Stufe, nicht auf dem Maximum. Halten Sie das Laptop für Sonden schreibgeschützt. Writes und Bash gehören in einen Container oder auf einen Remote-Mac, der die Sitzung isoliert. Legen Sie die API-Rechnung und die Knotenmiete auf ein Blatt. Knotentarife stehen auf Mac-mini-Preise. Wer Miete und Token getrennt betrachtet, unterschätzt die wahre Monatszahl fast immer.

B — Kleines Produktteam mit Claude-Sitz: Claude Code besitzt Exploration, Pläne und MCP-Verbindungen. Umbenennungen, musterfolgendes Füllen und bereits rote Tests gehen an Pi. Fahren Sie beide eine Woche auf denselben drei Sample-Aufgaben. Vergleichen Sie Token und Nacharbeit, dann wählen Sie einen Primärpfad. Töten Sie den günstigeren Pfad nicht nur, um die Toolbar zu vereinheitlichen. Ein Team, das zwei CLIs eine Woche lang misst, entscheidet ruhiger als ein Team, das am Montag aus Prinzip standardisiert.

C — Enterprise oder hohe Sicherheit: Die tägliche Arbeit bleibt auf Codex- oder Claude-Code-Berechtigungsmodi. Pi erscheint nur in einem auditierten Image, mit Netz und Secrets pro Aufgabe ausgestellt. Sitzungen, die Disk schreiben, einen Browser öffnen oder eine Produktionsreplica berühren, gehören auf einen wegwerfbaren Remote-Mac, nicht auf das Bürolaptop. Konto- und Liefergrenzen stehen im Hilfecenter. Audit will reproduzierbare Knoten, nicht einen Agent, der auf dem Notebook eines Entwicklers dieselben Rechte hat wie Slack und der Browser.

Häufige Fallstricke

1. Das Harness nach dem Modell wählen: „Wir nutzen Opus, also müssen wir das offizielle CLI nutzen.“ Tauschen Sie nur das Harness, und sowohl Passrate als auch Kosten pro Aufgabe bewegen sich. Das Modell bleibt dasselbe; die Rechnung nicht.
2. Den Listenpreis pro Million Token als Entwicklungskosten behandeln: Ein günstigeres Modell kann mehr Runden verbrennen. Ein dicker Prompt belegt auch nach einem Cache-Treffer noch Aufmerksamkeit. Preis pro Million ist ein Einkaufspreis, kein Projektergebnis.
3. Pis Standardrechte desselben Benutzers als Bequemlichkeit lesen: Kein Popup ist nicht dasselbe wie sicher. Sandboxen Sie unbekannte Repos und Secrets zuerst. Fehlende Nachfrage ist ein fehlendes Gate, kein Feature.
4. Jeden Job auf maximalen Effort pinnen: Ein dünnes Harness kann auf der obersten Stufe verlieren. Die Abnahme muss den Regler enthalten. Eine einzige Maximalstufe ist Marketing, keine Messung.
5. Sub-Agents um der Parallelität willen splitten: Jedes Kind kann den gesamten Systemprompt neu laden. Die Rechnung kann den Speedup schlagen. Sichtbare Parallelität ohne Tokenbuch ist oft nur teurere Wärme.

Aktionsplan: 7 Schritte

1. Wählen Sie drei Samples aus diesem Repo: generieren Sie einen Schnitt im bestehenden Stil, reparieren Sie einen bereits roten Test, und finden Sie eine Regression, ohne die Datei zu nennen. Löschen Sie leere Bitten wie „mach es besser“. Frieren Sie die drei Aufgaben ein, bevor jemand das Harness wechselt.
2. Fahren Sie diese drei auf demselben Modell in Pi und im Anbieter-Harness. Protokollieren Sie Input- und Output-Token, Wall-Time, ob Tests grün wurden, und welche Dateien sich geändert haben. Verbieten Sie dem Agent, Git-Historie zu lesen, die die Antwort verrät. Ohne dieses Log ist der nächste Streit nur Erinnerung.
3. Teilen Sie Arbeit in mechanisches Ausfüllen und unscharfe Exploration. Defaulten Sie das Erste auf Pi und das Zweite auf Claude Code oder Codex. Schreiben Sie das Verhältnis in eine Teamnotiz, damit niemand es jeden Morgen neu verhandelt. Ein festes Verhältnis ist billiger als tägliche Geschmacksdebatten.
4. Schreiben Sie den Billing-Pfad auf. Sitzinhaber sollten nicht wegen einer „halb so teure Token“-Schlagzeile wechseln, außer sie zahlen bereits API. Getaktete Nutzer sollten Dollar pro getesteter Aufgabe tabellieren, nicht den Sticker. Euro pro grüner Suite schlägt jeden Listenpreis.
5. Wählen Sie eine Isolation für Pi: lokaler Container, Micro-VM oder Remote-Mac-Knoten. Prüfen Sie Berechtigungsmodi und erlaubte MCP-Server am dicken Harness. Keys bleiben außerhalb von Prompts und Screenshots. Isolation ist Teil der Abnahme, nicht ein Nachgedanke nach dem Leak.
6. Wählen Sie ein primäres Harness nach Szene und erlauben Sie einen Stack. Solo-Arbeit kann Pi-first sein. Ein kleines Team kann in Claude Code explorieren und in Pi ausfüllen. Enterprises sperren Writes hinter auditierten Türen. Ein Stack ist erlaubt; Beliebigkeit ist es nicht.
7. Legen Sie die Ausführung auf einen reproduzierbaren Mac-Knoten: dasselbe Image, derselbe Testbefehl, Workspace am Sitzungsende gewischt. Ein grüner Lauf, der nur im Laptop-Cache existiert, ist keine Abnahme. Reproduzierbarkeit schlägt eine einmalig grüne Demo.

FAQ

Welches Modell ist stärker: Pi, Claude Code oder Codex?

Falsche Frage. Stand September 2026 können alle drei vor einem Flaggschiffmodell sitzen. Tauschen Sie das Harness am selben Modell, und sowohl Passrate als auch Rechnung bewegen sich. Vergleichen Sie, wie Kontext gefüttert wird, wie Berechtigungen gesperrt werden, und ob Sie den Anbieter wechseln können. Die Frage „welches Modell“ versteckt die teurere Frage „welche Schicht um das Modell“.

Wenn ich bereits Claude Code abonniere, soll ich trotzdem Pi installieren?

Ja, wenn Sie bereits API-Nutzung zahlen oder viele mechanische Edits haben. Das Abo kauft Versicherung aus einem dicken Harness. Mechanisches Ausfüllen, Modellwechsel und Token-Kontrolle passen weiter zu Pi. Fahren Sie beide eine Woche, bevor Sie einen Primärpfad wählen. Ein Sitz ersetzt keine Usage-Tabelle für repetitive Umbenennungen.

Funktioniert Codex nur mit OpenAI-Modellen?

Die Standardproduktlinie ist GPT-5.6 Sol, Terra und Luna. Sein Vorsprung ist Eindämmung plus ein Konto über ChatGPT und Codex Web. Wenn Sie Claude, Gemini oder ein lokales Modell im selben CLI brauchen, wählen Sie Pi. Codex kann das richtige Produkt sein, ohne modellneutral zu sein; das ist ein Feature der Isolation, kein versteckter Mangel.

Bedeutet ein günstigerer Tokenpreis niedrigere Entwicklungskosten?

Nein. Vergleichen Sie Dollar pro abgeschlossener, getesteter Aufgabe — nicht den Stickerpreis pro Million Token. Ein günstigeres Modell kann mehr Runden verbrennen. Ein dicker Systemprompt belegt auch bei Cache-Treffer noch Aufmerksamkeit. Entwicklungskosten sind die Summe aus Runden, Nacharbeit und Knotenzeit, nicht die Zelle in einer Preistabelle.

Pi hat keine Berechtigungs-Popups. Kann ich es auf meinem Laptop ausführen?

Es wird laufen. Tun Sie das nicht auf einem unbekannten Repo oder mit Produktionsgeheimnissen. Pis Dokumentation sagt, dass es die Rechte des startenden Benutzers erbt. Legen Sie es in einen Container oder auf einen Remote-Mac-Knoten, bevor Sie Writes und Bash freischalten. Ein Laptop, auf dem Mail, Slack und der Agent dieselben Rechte teilen, ist kein Labor, sondern eine gemeinsame Angriffsfläche.

Fazit

Einen KI-Coding-Agent im Jahr 2026 zu wählen ist kein Auftrag an die Modellrangliste. Wählen Sie den Einstieg nach Harness-Dicke: Pi, wenn die Spec klar ist und Sie Token-Kontrolle oder Modellwechsel brauchen; Claude Code, wenn Prompts noch dünn sind und Sie Pläne und Guardrails wollen; Codex, wenn Sie bereits in OpenAI leben und Standardeindämmung wollen. Teilen Sie Codegenerierung und Bugfixing danach, ob der Ort bekannt ist. Preisen Sie die erledigte Aufgabe, nicht den Sticker. Setzen Sie Berechtigungen aus Defaults, nicht aus Reputation. Schreiben Sie die drei Samples, den Effort-Regler und den reproduzierbaren Knoten in die Abnahme. Remote-Knoten beginnen auf der Mietseite und der Preisseite. Kontofragen gehen an das Hilfecenter. Wer diese Reihenfolge einhält, kauft weniger Überraschungen und mehr wiederholbare grüne Suiten.

Weiterlesen

• Claude Code Monatskosten für Einzelentwickler →
• Was ist Function Calling: OpenAI, Gemini, Claude →
• Was ist GPT-6 Astra: Preis, Kontext, Coding-Agent →