Signore e signori, oggi vi faccio una piccola profezia: presto riceverete un messaggio che potrebbe cambiare completamente il corso del vostro lavoro. Un collaboratore, un fornitore, un collega di cui vi fidate moltissimo vi scriverà: “sono passato a Codex, Claude è finito”. E molti di voi, che hanno investito tempo e risorse su Anthropic, cadranno nel dubbio prima e nello sconforto poi.

Nelle ultime settimane questo messaggio è già arrivato a molti. Io stesso l’ho ricevuto da persone competenti, che non parlano per sentito dire.

La domanda che sorge spontanea quando si riceve una "chiamata" simile – subito dopo gli improperi irripetibili – è questa:

Ma veramente Codex di OpenAI ha sorpassato Claude Code di Anthropic?

Vale quindi la pena guardare insieme i numeri con calma, perché la risposta è più interessante della domanda — e soprattutto perché la domanda, così com’è posta, è probabilmente sbagliata.

Cosa è cambiato davvero in OpenAI tra luglio e agosto

Il 9 luglio 2026 OpenAI ha fatto la mossa più radicale dal lancio di ChatGPT. Ha annunciato ChatGPT Work, un agente con Codex integrato in grado di completare attività su web, mobile e desktop usando le informazioni delle app dell'utente; sul desktop l'app Codex è stata fusa con l'app ChatGPT, e la vecchia app ChatGPT è stata rinominata ChatGPT Classic.

Il dettaglio che è passato inosservato nei titoli è che non si tratta di un'app sola. La nuova applicazione desktop contiene tre esperienze distinte:

  • Chat per le conversazioni
  • Work per ricerca e deliverable finiti
  • Codex per lo sviluppo software

Codex non è stato assorbito né eliminato: restano documentati la Codex CLI, l'estensione per gli editor e Codex sul web.

Un mese dopo è arrivato il secondo tempo. Dal 6 agosto GPT-5.6 Luna è diventato il modello predefinito per gli utenti Free e Go, con chat di testo illimitate, mentre per Plus e Pro è arrivato un GPT-5.6 Sol aggiornato, dotato di un cursore per regolare il livello di ragionamento.

Tradotto: OpenAI ha regalato al piano gratuito un modello serio e ha dato agli abbonati una manopola per decidere quanto far "pensare" il sistema, pagando di conseguenza in tempo e costo.

Non è andato tutto liscio. La fusione in una "super app" ha deluso profondamente una parte degli utenti: la barra laterale non contiene più i pulsanti per libreria, progetti e app, ma le attività pianificate e i plugin.

È un dettaglio apparentemente banale che merita attenzione, perché è la prima lezione di questa storia: il costo di una migrazione non è nel prezzo dell'abbonamento, è nelle abitudini che si rompono. Chi ha visto sparire la propria organizzazione di lavoro da un giorno all'altro ha pagato un prezzo che nessun listino mostra. Vale per chi passa da un fornitore all'altro esattamente come vale per chi resta e subisce un redesign.

Chi usa cosa: i numeri di adozione, e perché non coincidono con il percepito

Qui la faccenda si fa interessante, perché esistono due tipi di numeri e vengono regolarmente confusi.

Il primo tipo è la crescita. Ed è impressionante. A marzo 2026 Codex superava i 2 milioni di utenti settimanali, con un utilizzo cresciuto di cinque volte in tre mesi; a giugno OpenAI ha dichiarato il superamento dei 5 milioni di utenti settimanali attivi, con i knowledge worker — cioè i non-sviluppatori — pari a circa il 20% del totale e in crescita tre volte più rapida degli sviluppatori. Nessuno può liquidare una curva del genere come rumore.

Il secondo tipo è la quota assoluta. Ed è un'altra storia. La fonte più solida disponibile è il Developer Ecosystem Survey 2026 di JetBrains: oltre 15.000 sviluppatori professionisti, campione globalmente rappresentativo e riponderato, rilevazione maggio-luglio 2026. Nel periodo, circa il 39% degli sviluppatori professionisti nel mondo usava Claude Code al lavoro, contro il 18% di gennaio 2026; negli Stati Uniti la quota sale al 47%. Claude Code è inoltre lo strumento AI più usato in assoluto per il 31% degli sviluppatori.

E Codex? Cresce di circa cinque volte, dal 3% di gennaio al 16% di maggio-luglio 2026, con una notorietà passata dal 27% al 65%.

Entrambe le affermazioni sono vere insieme: Codex è il prodotto che cresce più in fretta, e Claude Code è il prodotto più usato con un margine di oltre due a uno. Chi titola "sorpasso" sta usando il primo numero e nascondendo il secondo.

Nel frattempo, i vecchi leader arretrano. GitHub Copilot è sceso dal 29% di un anno fa al 21%, e il mio amato Cursor dal 18% di gennaio al 12%. La battaglia vera del 2026 non è tra OpenAI e Anthropic: è tra gli agenti da terminale e tutto ciò che li ha preceduti.

Resta da spiegare perché la percezione sia così sbilanciata rispetto ai dati. La ragione è banale e vale in qualunque mercato: chi cambia strumento lo racconta, chi resta lavora e basta. Un passaggio è una notizia, una continuità no. Se costruite la vostra strategia tecnologica leggendo i thread su X e Reddit, state misurando il volume delle conversazioni, non le decisioni.

I benchmark dicono due cose diverse, e sappiamo perché

Un benchmark è un test standardizzato: si dà lo stesso compito a modelli diversi e si contano i successi. Sembra oggettivo. Non lo è quanto sembra.

Guardiamo i risultati. Artificial Analysis, che ha collaborato con OpenAI alla valutazione pre-rilascio, ha collocato GPT-5.6 Sol al primo posto del proprio Coding Agent Index con 80 punti, in testa in tutte e tre le prove che lo compongono, con un costo per task inferiore di circa il 40% rispetto al modello di punta concorrente.

Un mese dopo, la stessa Anthropic ha pubblicato il confronto diretto: nella system card di Claude Opus 5 del 24 luglio 2026, una tabella confronta il proprio modello con GPT-5.6 Sol usando i dati pubblicati da OpenAI: su SWE-bench Pro Opus 5 segna 79,2% contro 64,6%, mentre su DeepSWE v1.1 è GPT-5.6 Sol a vincere, 72,7% contro 68,8%. E ancora: su Terminal-Bench 2.1 il 91,9% di GPT-5.6 Sol in modalità Ultra supera ogni modello Claude registrato.

Non è tutto. Le due principali classifiche indipendenti si sono contraddette a distanza di dieci giorni. L'Artificial Analysis Intelligence Index letto il 17 agosto colloca Opus 5 a 63 e Sol a 61; lo snapshot di LLM Stats pubblicato il 7 agosto inverte l'ordine, con Sol a 57,2 e Opus 5 a 56,5.

Questo non è un incidente, è la norma. Ricercatori di IBM, Hugging Face e della Technical University of Munich hanno documentato negli ultimi due anni quanto sia inaffidabile il processo di benchmarking: il risultato è l'output di un sistema con molte parti mobili — dataset, versione del modello, prompt, strumenti disponibili, numero di tentativi consentiti, criterio di giudizio — e cambiare una sola di queste sposta il numero che finisce nei titoli. Un lavoro recente sul rafforzamento avversariale delle suite di test mostra cali di 13-19 punti percentuali per tutti i modelli in classifica, con riordinamento delle posizioni.

L'analogia che uso con i clienti è quella dell'automobile. Sol vince sui test da terminale e sui compiti autonomi a lungo respiro; Opus 5 vince sulla riparazione di bug dentro repository reali e sul ragionamento su problemi mai visti. È come confrontare un'auto da pista e una da fuoristrada leggendo solo il tempo sul giro. Il numero è corretto. La domanda è se il vostro lavoro assomiglia più a una pista o a una mulattiera.

Il vero motivo per cui molti passano a Codex? Perché costa (molto) meno

Se togliamo di mezzo i benchmark, resta la ragione economica. Ed è solida.

Come sapete, il "token" è l'unità con cui si misura il testo consumato da un modello: pagate a token, e un agente che lavora per un'ora ne brucia milioni. Su questo terreno Codex ha un vantaggio misurato. Firecrawl a giugno ha rilevato un divario di 1,4 volte nel consumo di token; Morph, ad agosto 2026 e su un proprio insieme di compiti identici, ha trovato un divario ben più ampio: circa quattro volte. I due numeri non sono intercambiabili, perché derivano da task set, versioni e metodologie differenti — ma puntano nella stessa direzione.

La conferma più autorevole arriva da dentro OpenAI. Il presidente del consiglio di amministrazione Bret Taylor, in una riunione interna riportata dalla stampa specializzata, ha ammesso che l'azienda stava recuperando terreno nel settore del codice, e ha dichiarato che si vedevano persone che avevano usato in profondità Claude Code, si erano ritrovate con un conto molto elevato e avevano iniziato a cercare un'alternativa.

È un'ammissione doppia, e va letta per intero: riconosce il ritardo di OpenAI e identifica la leva con cui lo sta colmando. Non "siamo diventati più bravi", ma "costiamo meno".

Poi però arriva il contro-dato. In un sondaggio incrociato su oltre 500 sviluppatori, il 65% dichiarava di preferire Codex per il lavoro quotidiano, ma le revisioni alla cieca del codice prodotto giudicavano l'output di Claude Code più pulito, più idiomatico e meglio strutturato, con un tasso di vittoria del 67%. Il campione è autoselezionato e va preso con le pinze, ma la forbice tra "cosa scelgo" e "cosa produce codice migliore" è netta.

Il mini-caso più istruttivo che ho trovato è un refactoring di un'applicazione Express.js documentato pubblicamente: Claude Code ha impiegato 1 ora e 17 minuti bruciando 6,2 milioni di token e ha intercettato una race condition; Codex ha impiegato 1 ora e 41 minuti con 1,5 milioni di token e quel bug non l'ha visto.

Una race condition è un errore che compare solo quando due operazioni si accavallano nel momento sbagliato: in laboratorio non si manifesta quasi mai, in produzione sotto carico sì. Se quel codice gestisce un configuratore di preventivi, il bug costa un pomeriggio di assistenza. Se gestisce il movimento di una macchina o la contabilità di magazzino, costa molto di più. La domanda non è quale strumento sia migliore, ma quanto vale il bug che uno dei due intercetta. Ed è una domanda a cui potete rispondere solo voi.

Perché un primato oggi dura poche settimane

Arriviamo al punto che, secondo me, conta più di tutti gli altri messi insieme.

Il 9 giugno 2026 Anthropic ha rilasciato il suo modello più potente mai reso pubblico. Il 12 giugno lo ha sospeso per conformarsi ai controlli sulle esportazioni del Dipartimento del Commercio statunitense; il 30 giugno i controlli sono stati revocati e il 1° luglio l'accesso è stato ripristinato. La direttiva vietava l'accesso a qualsiasi cittadino straniero, dentro o fuori dagli Stati Uniti, dipendenti dell'azienda inclusi. Anthropic aveva 90 minuti per conformarsi e, non potendo verificare la cittadinanza in tempo reale, ha spento il servizio per tutti.

È la prima volta che gli Stati Uniti hanno usato la normativa sull'export per sospendere un modello AI commerciale già in produzione.

Fermiamoci un attimo su cosa significa per un'azienda. Non un aggiornamento sbagliato, non un disservizio: un provvedimento amministrativo con 90 minuti di preavviso, che ha reso indisponibile per diciotto giorni una dipendenza produttiva. In quelle stesse settimane, come abbiamo visto, un'analisi osservava che Codex stava guadagnando terreno proprio grazie all'assenza del concorrente.

Il primato tecnologico, in questa fase, non si perde solo perché qualcuno pubblica un modello migliore. Si può perdere per una lettera.

A questo si aggiunge la natura irregolare del progresso. L'AI Index chiama "jagged frontier" — termine coniato dal ricercatore Ethan Mollick — questa prestazione frastagliata e imprevedibile: il confine dove l'intelligenza artificiale eccelle e poi improvvisamente fallisce. Un modello vince una medaglia d'oro alle olimpiadi di matematica e sbaglia un compito che a voi sembra banale. Non è un difetto temporaneo: è la forma attuale della tecnologia.

La conseguenza pratica è già arrivata a chi decide di mestiere. Le organizzazioni di ingegneria più mature finiscono per usare entrambi gli strumenti: uno come costruttore primario dentro il codice, l'altro come revisore asincrono. E il consiglio più ricorrente tra chi confronta questi strumenti per lavoro è disarmante nella sua sobrietà: dato quanto rapidamente prezzi e benchmark si sono mossi tra gennaio e giugno 2026, la raccomandazione onesta è rieseguire il confronto sul proprio codice ogni trimestre, invece di trattare un singolo verdetto come definitivo.

È l'unica postura razionale quando il ciclo di rilascio è più corto del ciclo di adozione. Se ci mettete quattro mesi a standardizzare un fornitore e i fornitori si superano ogni sei settimane, la standardizzazione arriva sempre in ritardo su sé stessa. Meglio investire in ciò che non scade: procedure chiare, criteri di valutazione vostri, e un'architettura in cui il nome del modello sia un parametro di configurazione e non una scelta scolpita in cinquanta punti del codice.

Facciamo un recap veloce

Il sorpasso non è avvenuto, ma il distacco si è ridotto notevolmente. Codex cresce cinque volte più in fretta, ma Claude Code è usato da oltre il doppio degli sviluppatori professionisti, per ora.

I benchmark misurano compiti, non attitudini generali. Le due classifiche indipendenti più citate si sono contraddette nella stessa settimana. Nessun numero pubblicato da altri sostituisce tre task reali del vostro backlog eseguiti su entrambi gli strumenti.

Il rischio vero non è scegliere il fornitore sbagliato, è dipendere da uno solo. Diciotto giorni di indisponibilità per un provvedimento amministrativo sono la dimostrazione più chiara che un modello di frontiera è un fornitore esterno, con tutti i rischi che questo comporta.

Un esperimento da provare

Prendete tre attività reali già chiuse dal vostro team nell'ultimo mese: un bug fix in un'area delicata, una funzionalità nuova, un refactoring noioso. Rieseguitele su entrambi gli strumenti e misurate tre cose: minuti impiegati, costo in token, e — la più importante — quanti problemi ha intercettato ciascuno che un revisore umano avrebbe potuto lasciar passare.

Vi servirà mezza giornata. Vi darà un dato vostro, sul vostro codice, che vale più di qualunque classifica pubblicata. E potrete rifare l'esercizio fra tre mesi, quando sarà cambiato di nuovo tutto.

Voi cosa state misurando, in questo momento, per decidere?

Nota di trasparenza: questo articolo confronta due fornitori di intelligenza artificiale, e la ricerca delle fonti così come sua stesura parziale è stata assistita da Claude, prodotto da uno dei due (Anthropic). Le fonti sono linkate una per una proprio perché possiate verificare ogni affermazione senza fidarvi né di me né dello strumento che ho usato.

Fonti

Condividi questo post