CodeMender vs GPT-5 Codex: Säkerhetspipelinen vs den allmänna kodaren

Ge ett sårbart repository till CodeMender och till GPT-5 Codex så får du tillbaka en patch från båda. Där slutar likheterna. CodeMender är Googles hanterade agent för kodsäkerhet: den skannar en kodbas efter sårbarheter, bygger en proof-of-concept-exploit i en sandbox för att bevisa att buggen är verklig, och föreslår först därefter en fix som en människa måste godkänna innan den läggs in. GPT-5 Codex är OpenAIs generella kodningsagentmodell: den prissätts per token, kan anropas direkt från ett API, och är inriktad på "gör den här mjukvaruutvecklingsuppgiften" snarare än "gör den här kodbasen säker." Båda beskrivs som AI som fixar kod. De är olika typer av verktyg, och valet mellan dem handlar inte om vilken som är smartare — det handlar om vilken typ av AI-operation du faktiskt vill ska röra produktionskoden.

En datumnotering på förhand, eftersom CodeMender fortfarande kallas ny när så inte är fallet. Google DeepMind förhandsvisade CodeMender som ett forskningsprojekt den 6 oktober 2025. Den verkligt nya förändringen är produktifieringen: den 22 juli 2026 lanserade Google Cloud det som en hanterad företagsagent i offentlig förhandsvisning på Gemini Enterprise Agent Platform och i Googles AI Threat Defense. GPT-5 Codex har varit live sedan september 2025. Det som gör att kombinationen är värd en jämförelse just nu är att detta är första gången båda förekommer i samma mening som sätt att få sårbar kod åtgärdad — och skillnaderna avgör vem som ska använda vilken.

Två olika former av "AI fixar din kod"

CodeMender är en produkt, inte en modell. Under huven är det en pipeline som är uppbyggd kring Gemini Deep Think-resonemang plus en rad programanalysverktyg – statisk och dynamisk analys, differentialtestning, fuzzing och SMT-lösare – samordnade av ett multiagentsystem där en LLM-baserad domare diffar original- och modifierad kod för att fånga upp funktionella regressioner. Hela systemet körs i tre steg: skanna, verifiera, åtgärda. Skanna täcker de sårbarhetsklasser som statiska verktyg missar – minneskorruption, injektion, webbsäkerhetsproblem, kryptografiska svagheter, osäker datahantering – i C/C++, Go, Java, Python, Ruby, Rust och TypeScript, med stöd för ramverk som Django, Flask, React, Spring Boot och Express. Verifiera bygger en fungerande proof-of-concept-exploit och kör den i en kundhanterad sandlåda för att bekräfta att felet verkligen är utnyttjbart, vilket är det som eliminerar falska positiva. Åtgärda genererar en testad patch som en koddiff, kontrollerar den mot kodbasens konventioner och lämnar den till en utvecklare för godkännande. Du inför CodeMender på samma sätt som du inför en säkerhetsprodukt: den passar in i dina godkännandeflöden, och Google driver motorerna.

GPT-5 Codex är en modell du anropar. Det är motorn inuti OpenAI:s Codex-agent i terminalen, IDE:n, GitHub och webben, men den är också tillgänglig direkt via OpenAI:s API – specifikt Responses API, inte chat completions – med konfigurerbar resoneringsinsats, från snabba låg-insatsredigeringar upp till utökad resonering för svåra refaktoreringar. Den accepterar text- och bildinmatning och producerar text, med ett 400 000-tokens kontextfönster (272 000 in, 128 000 ut). Det är en generalist inriktad på programvaruteknik: ett commit-meddelande, ett enhetstest, en hel feature-gren, eller – om du pekar på en – en säkerhetsfix. Vad den inte levereras med är någon av den maskineri som CodeMender lindar runt sin modell: ingen verifieringssandlåda, inget exploit-bevis, ingen automatisk regressionskontroll, ingen mänsklig godkännandespärr, ingen styrningshållning. Du får modellen och du bygger loopen.

Det första vi måste slå fast är alltså att detta inte är ett val i en rullgardinsmeny. CodeMender är en säkerhetsarbetsflödesprocess som du införskaffar; GPT-5 Codex är en motor som du anropar. De konkurrerar om samma budgetpost — ett teams vilja att låta en AI-agent arbeta med riktig kod — men de köps, prissätts och styrs på olika sätt.

Pris: den ena har en prislapp, den andra är ett samtal.

Det är här de två skiljer sig åt tydligast, eftersom endast en av dem har ett nummer du kan slå upp.

GPT-5 Codex är prissatt som en modell: $1.25 per miljon inmatningstokens, $10 per miljon utmatningstokens, $0.125 per miljon cachad inmatning, med ett batch-variant till halva priset ($0.625 in / $5 ut). Vid en realistisk lång agent-session — en miljon nya inmatningstokens, två miljoner cachade, 200 000 utmatningstokens — blir det ungefär $3.50 till listpris. Kontexten är totalt 400 000 tokens. Du kan köra ett snabbt experiment idag från en terminal och veta exakt vad det kostade.

CodeMender har inget publicerat GA-pris. I förhandsversionen är den tillgänglig för kunder till Gemini Enterprise Agent Platform genom vad som i praktiken är en företagsförsäljningskonversation. Google säger att prissättningen kommer att vara konsumtionsbaserad på tokenanvändning när den lämnar förhandsversionen, med modellval som kostnadsreglage – kör skanningar på Gemini 3.5 Flash för billigare genomströmningar, och en större modell för djupare sådana. Den ärliga prisraden idag är ”fråga Google”, vilket är en grundläggande annorlunda inköpsverklighet jämfört med att betala per token med ett kreditkort.

Den asymmetrin är också där en routingplattform legitimt kommer in i bilden — för den sida som har ett pris per token. GPT-5 Codex är en av modellerna du kan anropa på OrcaRouter, där leverantörens listpris förs vidare med 0 % påslag, så priserna på $1,25 / $10 ovan är exakt vad du betalar, och en prissänkning från leverantören träder i kraft samma dag. Automatisk failover innebär att ett anrop som stöter på ett leverantörsavbrott kan försöka igen mot en annan backend, och en routing-DSL låter dig dela upp trafiken — prova GPT-5 Codex mot en annan kodmodell på din egen arbetsbelastning innan du bestämmer dig. Inget av detta gäller CodeMender, som är en leverantörsdriven hanterad tjänst snarare än en anropsbar ändpunkt, och den här artikeln låtsas inte något annat: routingvinkeln är en GPT-5 Codex-vinkel, inte en CodeMender-vinkel.

Vad CodeMender har inbyggt som GPT-5 Codex inte har.

Den andra stora avvikelsen är själva säkerhetsarbetsflödet — de delar av en seriös sårbarhetshanteringsprocess som den ena produkten levererar som inbyggt beteende och som den andra överlåter åt dig.

CodeMenders verifieringssteg är det som gör skillnaden. I stället för att stanna vid "det här mönstret ser ut som en injektion" bygger den en exploit och kör den i en sandbox som kunden kontrollerar, vilket förvandlar en statisk träff till en påvisad, utnyttjbar bugg. Det är en verklig, publicerad skillnad jämfört med både statiska analysverktyg och modellbaserad skanning: det är steget som krymper falskt positiv-frekvensen till något som ett säkerhetsteam faktiskt kan prioritera. Varje patch granskas sedan av LLM-domaren för regressioner, och en människa godkänner innan något committas. Tjänsten är enterprise-grade av konstruktion: trafik dirigeras genom kundens VPC, dataisolering och kryptering, och noll retention av källkodsdata. Tidiga användare — Salesforces CISO, Robinhoods chef för säkerhetsoperationer, Palo Alto Networks — beskriver det som ett verktyg som accelererar vägen från validerad sårbarhet till testad korrigering, inte ett som ersätter säkerhetsteamet.

GPT-5 Codex har inget av den stödstrukturen. Den kan skriva en patch för en bugg du pekar på, och för många team är det verkligen användbart, men ingenting i modellen verifierar att buggen är exploaterbar, ingenting bevisar att patchen åtgärdar den, ingenting kontrollerar automatiskt för regressioner, och det finns inget inbyggt lager för mänsklig godkännande eller datastyrning. Du tillhandahåller sandlådan, granskningssteget, ändringshanteringsprocessen och regelefterlevnadsberättelsen. Hastighetsavvägningen är spegelvänd: GPT-5 Codex svarar interaktivt – prompt, patch, iterera på minuter – medan CodeMender är en genomtänkt pipeline vars verifieringssteg kör riktiga exploateringar och tar verklig tid. Den ena är byggd för genomströmning i vanligt ingenjörsarbete; den andra är byggd för rigoritet i säkerhetsarbete.

Spänningen kring dubbla användningsområden är verklig och synlig på Googles sida. Eftersom CodeMenders verifieringssteg bygger fungerande exploater, säljs den säkerhetsanpassade modellen som driver dess djupaste skanningar — Gemini 3.5 Flash Cyber — inte till alla. Google begränsar den till en liten uppsättning regeringar och betrodda partners och kör den uteslutande i CodeMender. Agenten som helhet är tillgänglig som förhandsversion för företagskunder; den vassaste versionen av motorn är spärrad.

Bevis: två måttstockar som aldrig möts

Ställ de två evidensbaserna sida vid sida och vad du finner är inte att den ena är starkare — det är att de mäter olika arbeten, så de kan inte rangordnas mot varandra.

CodeMenders bevisning rör bekräftade säkerhetsfixar, och varje siffra är rapporterad av Google och hittills inte oberoende reproducerad. Under sina första sex månader som forskningsprojekt uppger DeepMind att man bidragit med 72 säkerhetsfixar till open source-projekt, några i kodbaser så stora som 4,5 miljoner rader, och varje patch granskades av mänskliga forskare före inlämning. Det främsta exemplet är libwebp-arbetet: man tillämpade Clangs -fbounds-safety-annoteringar över hela biblioteket för att hävda att en hel buggklass med buffertspill är stängd. För Gemini 3.5 Flash Cyber rapporterar Google 55 unika bekräftade sårbarheter i Chromes V8 JavaScript-motor, jämfört med 47 för standardversionen av Gemini 3.5 Flash och 36 för Anthropics Claude Opus 4.6, inklusive 10 problem som ingen annan modell i testet hittade. Samt starka resultat på Googles CyberGym- och Big Sleep-utvärderingar av Chrome- och Safari-kodbaserna. Allt är leverantörsrapporterat, och eftersom den vassaste modellen är tillgångsbegränsad lär oberoende reproduktion inte ske inom kort.

GPT-5 Codex evidens rör allmän programvaruteknik, och den har både leverantörs- och oberoende komponenter. OpenAI rapporterar SWE-bench Verified till cirka 74 % (leverantörsrapporterat; pressbevakning sträcker sig från 72,8–74,5 %). Oberoende mätte Artificial Analysis ett Coding-index på 38,9, LiveCodeBench 84,0, Terminal-Bench Hard 37,9 och ett Math-index på 98,7 i september 2025. Det är respektabla siffror för en kodningsspecialist, och de säger ingenting om sårbarhetsverifiering – eftersom ingen har genomfört en jämförbar säkerhetsfix-utvärdering på den. Den ärliga sammanfattningen är att dessa två evidensbaser byggdes för att besvara olika frågor, och en läsare bör behandla båda sifferuppsättningarna med de källmärkningar som bifogats: CodeMenders är Googles påståenden, ej reproducerade; GPT-5 Codex är en blandning av OpenAIs påståenden och oberoende poängsättning på allmänna kodningsuppgifter.

Access och omkopplarens form

Hur du får var och en, och vad det kostar att flytta, är den sista strukturella skillnaden.

CodeMender kommer via Google Cloud: Gemini Enterprise Agent Platform är i publik förhandsversion, eller som en kärnkomponent i AI Threat Defense där Wiz korrelerar fynd med runtime-kontext. Den integrerar med CI/CD, körs via ett lättviktigt CLI och ansluter till VS Code och Antigravity. Den är utformad för flera modeller — Gemini 3.5 Flash är standardmotorn, med Gemini 3.1 Pro och Gemini 3 Flash också valbara, och Google säger att tredjeparts banbrytande modeller kommer senare under 2026. Du väljer en hanterad, leverantörsdriven agent, och att byta innebär att ändra en säkerhetsupphandling, inte att redigera en konfigurationsfil.

GPT-5 Codex levereras som en API-nyckel. Det är en portabel modell: anropa den direkt från OpenAIs Responses API, eller via en router som OrcaRouter där samma nyckel också når över 200 andra modeller. Text och bild in, text ut, 400K kontext, resonemangsansträngning som en ratt. Att växla mellan kodmodeller på en router är en konfigurationsändring och en omkörning av din egen utvärdering, vilket är precis den typ av billig experimentering som CodeMenders enterprise-preview-inköpsmodell inte kan erbjuda. Om din fråga är ”vilken kodagent ska mitt team standardisera på”, är det ett modellbeslut; om din fråga är ”vem åtgärdar sårbarheterna i vår backlog med bevis och godkännande”, är det ett produktbeslut.

Vem ska välja vilken

Välj CodeMender om du är ett säkerhets- eller AppSec-team med en sårbarhetskö och ett behov av att visa upp arbete. Det är den enda sidan av den här jämförelsen som levereras med ett end-to-end-säkerhetsarbetsflöde: scanningar som hittar riktiga buggar, sandboxad proof-of-concept-verifiering som eliminerar falska positiva utfall, testade patchar som en utvecklare godkänner, och en governance-hållning — VPC-routning, noll retention — som din efterlevnadsgrupp kan peka på. De aktuella kostnaderna är de som den här texten hela tiden flaggar: det är en förhandsversion, det finns inget offentligt pris, och den skarpaste motorn är begränsad till regeringar och betrodda partners. Men för jobbet "gör den här kodbasen mätbart säkrare och bevisa det" är CodeMender specialbyggd och ingen generell kodningsmodell är det.

Välj GPT-5 Codex om du är en utvecklare eller ett produktteam som vill ha en generell agentisk kodare — en som även råkar hantera säkerhet när du riktar den mot en bugg. Den är omedelbart tillgänglig, prissatt per token med en siffra du kan slå upp, interaktiv på ett sätt som en verifieringspipeline inte är, och portabel: anropa den direkt eller dirigera den, växla mellan kodmodeller via konfiguration, och utvärdera på dina egna arbetsuppgifter innan du standardiserar. Nackdelen är att ingen del av CodeMenders säkerhetsstomme ingår — du bygger granskningsloopen, sandlådan och styrningen själv.

Den minst felaktiga utgångspunkten är att dessa kompletterar varandra snarare än står i motsats till varandra. Ett team som behöver båda kör CodeMender för säkerhetskön och en allmän kodagent för det vanliga ingenjörsarbetet — och sättet att hålla den andra ärlig när det gäller pris är att dirigera den till leverantörens listpris med friheten att byta motor. Vad den här jämförelsen egentligen avgör är formfrågan: om du vill ha en AI som bevisar en bugg och väntar på ditt godkännande, eller en AI som utför arbetet när du kallar på den. Det är olika produkter, och ingen benchmark kommer att överbrygga det gapet.