Cursor vs Codex 2026: Workflow, Preise, Limits und On-Demand Usage im Vergleich

Die praktische Antwort: Wählen Sie Cursor, wenn der größte Teil Ihrer Arbeit in der IDE stattfindet und Sie Kontext lesen, kleine Änderungen vornehmen und jeden Diff während der Arbeit prüfen möchten. Wählen Sie Codex, wenn Sie lieber eine Aufgabe mit klaren Abschlusskriterien formulieren und einen Agenten das Repository untersuchen, Dateien ändern, Tests ausführen und ein überprüfbares Ergebnis liefern lassen.

Der Vergleich lautet längst nicht mehr nur „Editor gegen Kommandozeile“. Cursor bietet Agent, CLI, Cloud Agents, Projekte und Hintergrund-Workflows. Codex ist über CLI, IDE-Erweiterung, Desktop-App, Web und Cloud-Umgebungen verfügbar. Die eigentliche Frage ist, ob Sie gemeinsam mit dem Agenten programmieren oder ihm eine vollständige Aufgabe übertragen möchten.

Preise und Nutzungsangaben in diesem Artikel wurden am 18. September 2026 geprüft. Tarife, Modelle und Limits können sich ändern. Prüfen Sie vor einem Kauf die aktuellen Bedingungen auf der Seite Cursor models and pricing und auf der offiziellen Codex-Preisseite.

Cursor und Codex im Überblick

Bereich	Cursor	Codex
Haupt-Workflow	Mit dem Agenten im Editor zusammenarbeiten und Änderungen fortlaufend prüfen	Eine ergebnisorientierte Aufgabe an einen lokalen oder Cloud-Agenten delegieren
Wichtige Oberflächen	Editor, Agent, CLI, Cloud Agents und Projekte	CLI, IDE-Erweiterung, Desktop-App, Web und Cloud
Kontext	Geöffnete Dateien, Auswahl, Projektregeln und Codebase-Suche	Arbeitsverzeichnis, Repository-Dateien, AGENTS.md, IDE-Kontext und Cloud-Umgebung
Bearbeitungsstil	Inline-Änderungen, Tab, visuelle Diffs und iteratives Arbeiten über mehrere Dateien	Modulübergreifende Aufgaben, Tests, skriptfähige Läufe, lange Tasks und PR-orientierter Ablauf
Hintergrundarbeit	Cloud Agents, Automatisierungen und parallele Agenten	Lokale Läufe, Cloud-Tasks, parallele Delegation und Code Review
Berechtigungen	Command Approvals, Regeln, ignorierte Dateien und Teamkontrollen	Sandbox, Freigaberichtlinie, Netzwerkzugriff und Workspace-Regeln
Modelle	Cursor- und Drittmodelle, gesteuert über die Usage Pools des Tarifs	Modelle und Cloud-Funktionen des ChatGPT-Tarifs oder separate Nutzung per API key
Kostenmodell	Enthaltene Nutzung plus optionale On-Demand-Abrechnung	ChatGPT-Kontingent, zusätzliche Credits oder API-Token-Abrechnung
Am besten geeignet für	Entwickler, die in der IDE leben und Änderungen interaktiv prüfen	Entwickler und Tech Leads, die mit Issues, Terminal, Automatisierung und Akzeptanzkriterien arbeiten

Der größte Unterschied liegt im Arbeitszyklus, nicht im Modell

Cursor hält den Menschen nah am Code

Der natürliche Cursor-Ablauf lautet: relevante Dateien öffnen, Code markieren, Agent um eine Änderung bitten, den Diff prüfen und die Änderung anschließend annehmen, ablehnen oder verfeinern. Das ist besonders hilfreich, wenn Sie:

• Legacy-Code lesen und dabei kleine Korrekturen vornehmen;
• mehrere Dateien refaktorieren, aber jeden Schritt unterbrechen und prüfen möchten;
• häufig Tab, Inline Edit und visuelle Diffs verwenden;
• Benutzeroberflächen entwickeln und nach jeder Vorschau nachjustieren;
• bereits Cursor-Regeln, Skills, MCP-Server oder Teamkonventionen nutzen.

Cursors Vorteil besteht nicht darin, dass der Agent immer „intelligenter“ wäre. Der Vorteil ist die Nähe: Code, Terminal, Kontext und Review bleiben in derselben Oberfläche. Das unterstützt einen engen Human-in-the-loop-Workflow.

Codex beginnt mit einem definierten Ergebnis

Codex ist besonders stark, wenn sich die Arbeit als überprüfbarer Auftrag formulieren lässt, zum Beispiel:

• ein unbekanntes Repository untersuchen und einen Idempotenzfehler in einem Login-Callback finden;
• mehrere Dateien ändern und vorhandene Tests ausführen;
• einen wiederholbaren Ablauf mit codex exec, einem Skript oder CI starten;
• eine längere Aufgabe in einer isolierten Umgebung ausführen und später prüfen;
• von einem Issue ausgehend implementieren, verifizieren, zusammenfassen und einen sauberen Diff liefern.

Codex profitiert von präziser Delegation. Je klarer erlaubter Umfang, Ausschlüsse, Abschlusskriterien und Prüfverfahren beschrieben sind, desto verlässlicher fällt das Ergebnis aus. Für Architekten, Tech Leads oder Personen, die mehrere Aufgaben gleichzeitig koordinieren, kann das effizienter sein als jede Änderung in der IDE zu begleiten.

Preisvergleich zwischen Cursor und Codex

Nur die Überschrift „20 US-Dollar pro Monat“ zu vergleichen, führt in die Irre. Beide Produkte berechnen die enthaltene Nutzung anders. Modellwahl, Kontextgröße, Hintergrundarbeit und Mehrverbrauch können die tatsächlichen Kosten deutlich verändern.

Einzeltarife im September 2026

Produkt und Tarif	Ausgewiesener Preis	So funktioniert die Nutzung	Geeignet für
Cursor Hobby	Kostenlos	Begrenzte Agent-Nutzung	Gelegentliches Ausprobieren
Cursor Pro	20 $/Monat	Getrennte Pools für Cursor Models und Other Models	Regelmäßige, moderate Agent-Nutzung
Cursor Pro+	60 $/Monat	Mehr Agent-Nutzung als Pro	Häufige tägliche Agent-Nutzung
Cursor Ultra	200 $/Monat	Für intensive und parallele Agentenarbeit	Power User und Automatisierung
Codex Free	0 $/Monat	Begrenzte Nutzung für kleine Aufgaben	Testen und leichte Arbeiten
Codex Go	8 $/Monat	Leichte Coding-Nutzung	Seltene Nutzung
Codex Plus	20 $/Monat	Lokaler, IDE-, Web- und Cloud-Zugriff innerhalb der Tarifgrenzen	Einige fokussierte Coding-Sitzungen pro Woche
Codex Pro	Ab 100 $/Monat	Etwa das 5- oder 20-Fache des Codex-Kontingents von Plus	Häufige und lange Aufgaben
Codex mit API key	Kein fester Monatsbeitrag	Abrechnung nach Tokens und Preis des gewählten Modells	CI, Automatisierung und messbare Stückkosten

Was das Fünf-Stunden-Limit von Codex bedeutet

OpenAI veröffentlicht Schätzungen dazu, wie viele lokale Nachrichten in ein Fünf-Stunden-Fenster passen können. Das sind keine garantierten Nachrichtenkontingente. Große Repositories, lange Sitzungen, Tool-Nutzung, Reasoning, Retrieval und nicht gecachter Kontext können dazu führen, dass eine Anfrage wesentlich mehr Kontingent verbraucht als eine andere.

Für GPT-5.6 Sol wurden bei der Prüfung dieses Artikels folgende Werte auf der offiziellen Preisseite angezeigt:

Tarif	Geschätzte lokale Nachrichten pro fünf Stunden
Plus	10–100
Pro 5x	50–500
Pro 20x	200–2.000

Cloud-Chats können mehr Kontingent verbrauchen als lokale Nachrichten, zusätzlich können Wochenlimits gelten. Lesen Sie „100 Nachrichten“ nicht als „100 abgeschlossene Aufgaben“. Am aussagekräftigsten ist Ihr eigenes Usage Dashboard nach einigen repräsentativen Arbeiten.

Warum sich zwei 20-Dollar-Tarife sehr unterschiedlich anfühlen können

Der Wert von Cursor Pro liegt im Editor, in Tab, Agent, visueller Prüfung und dem integrierten Workflow. Codex Plus bietet Zugang zu den verschiedenen Codex-Oberflächen und teilt die Limits des zugehörigen ChatGPT-Tarifs. Wenn Sie ChatGPT Plus bereits bezahlen, können die zusätzlichen Kosten für Codex gering sein. Eine API key allein bildet jedoch nicht die komplette Cursor-Erfahrung ab, wenn Sie den ganzen Tag dort Code bearbeiten.

Was ist Cursor On-Demand Usage?

On-Demand Usage ist eine nutzungsabhängige Abrechnung, mit der Cursor Modelle weiter ausführt, nachdem das monatlich enthaltene Kontingent aufgebraucht ist. Anfragen wechseln nicht automatisch in eine langsamere Warteschlange oder ein qualitativ schlechteres Modell. Sie laufen zum jeweiligen API-Tarif weiter und erscheinen als zusätzlicher Verbrauch in der Abrechnung.

Die aktuelle Cursor-Dokumentation beschreibt zwei monatliche Usage Pools:

1. Cursor Models — der Pool für von Cursor vorgesehene Modelle;
2. Other Models — der Pool für Drittmodelle, deren Nutzung anhand ihrer API-Preise gemessen wird.

Ältere Beiträge sprechen häufig von Fast Requests, Slow Pool oder einer festen Anzahl von Requests. Diese Begriffe gehören zur früheren request-basierten Preisstruktur. Bei einem aktuellen Konto sollten Sie sich an den zwei Pools und den On-Demand-Einträgen im Dashboard orientieren, nicht an alten Schätzungen.

Unerwartete On-Demand-Kosten vermeiden

1. Öffnen Sie im Cursor-Web-Dashboard die Seite Spending und prüfen Sie beide Pools, das Restkontingent und die On-Demand-Kosten.
2. Lassen Sie On-Demand deaktiviert, wenn die Nutzung nach Verbrauch des enthaltenen Kontingents nicht fortgesetzt werden soll.
3. Falls Sie On-Demand aktivieren, legen Sie überall dort ein monatliches Ausgabenlimit fest, wo der persönliche oder Team-Tarif diese Kontrolle anbietet.
4. Wählen Sie das Modell manuell statt jede Aufgabe auf Auto zu lassen, wenn planbare Kosten wichtig sind.
5. Begrenzen Sie große Agent-Aufgaben, damit keine irrelevanten Verzeichnisse durchsucht, unnötige Dateien erstellt oder vollständige Test-Suites wiederholt ausgeführt werden.
6. Prüfen Sie Budgets für Cloud Agents und Automatisierungen gesondert, weil Hintergrundaktivität leichter übersehen wird.

Die genaue Bezeichnung kann je nach Tarif oder Client-Version variieren. Entscheidend ist, ob die Seite Spending oder Billing Verbrauch oberhalb des enthaltenen Kontingents zulässt.

Wann Cursor die bessere Wahl ist

Cursor ist meist die bessere erste Wahl, wenn die meisten dieser Aussagen auf Ihre Arbeit zutreffen:

• Sie verbringen einen großen Teil des Tages damit, Code in einer IDE zu lesen und zu bearbeiten.
• Sie möchten Kontext, Inline-Vorschläge und Teil-Diffs sofort sehen.
• Sie entwickeln Benutzeroberflächen, arbeiten explorativ und refaktorieren schrittweise.
• Sie wechseln je nach Aufgabe zwischen Modellen.
• Sie möchten nicht für jede kleine Änderung eine vollständige Aufgabenbeschreibung verfassen.
• Ihr Team benötigt gemeinsame Editor-Regeln, Plugins, MCP, Skills und Datenschutzeinstellungen.

Ein einfacher Test: Arbeiten Sie sofort selbst weiter, sobald die KI pausiert? Wenn ja, dürfte sich Cursor natürlicher anfühlen.

Wann Codex die bessere Wahl ist

Codex ist meist die bessere erste Wahl, wenn Sie Folgendes höher gewichten:

• einen Auftrag mit klaren Eingaben, Grenzen und Akzeptanzkriterien definieren;
• den Agenten Repository, Dateien und Befehle eigenständig bearbeiten lassen;
• Workflows über CLI, Skripte, SDK oder CI wiederverwenden;
• lange Aufgaben in einer isolierten Umgebung ausführen und später prüfen;
• von Issues, fehlgeschlagenen Tests, Pull Requests oder einer Technical-Debt-Liste starten;
• mehrere Aufgaben als Tech Lead oder Architekt koordinieren.

Ein weiterer einfacher Test: Ist Ihnen wichtiger, dass die Aufgabe abgeschlossen und geprüft ist, als zu beobachten, wie jede einzelne Zeile verändert wurde? Dann passt der delegationsorientierte Workflow von Codex besser.

Beide lassen sich kombinieren, aber mit getrennten Rollen

Eine praktische Aufteilung ist:

• Cursor für Code-Navigation, UI-Implementierung, lokale Änderungen und sofortige Diff-Prüfung;
• Codex für lange Testläufe, modulübergreifende Refactorings, Massenkorrekturen und wiederholbare Automatisierung.

Zwei Abonnements lohnen sich nur, wenn die Rollen klar getrennt sind. Wenn beide Produkte dieselben kleinen Änderungen bearbeiten, entsteht vor allem mehr Kontextwechsel und die Kosten lassen sich schlechter zuordnen.

Eine eigene BetterToken-API in Cursor einrichten

Wenn das enthaltene Kontingent für Drittmodelle nicht ausreicht oder Modellkosten getrennt erfasst werden sollen, können Cursor-Konten und Client-Versionen mit Einstellungen für benutzerdefinierte Modelle eine OpenAI-kompatible Base URL verwenden.

Eine externe API key deckt nur die standardmäßigen Modellabläufe ab, die Cursor für bring-your-own-key unterstützt. Sie ersetzt weder Tab Completion noch Cursor-eigene Modelle, Cloud Agents oder sämtliche Funktionen des Abonnements. BetterToken ist ein unabhängiger Dienst und weder mit Cursor noch mit OpenAI verbunden.

Einrichtung

1. Öffnen Sie Cursor Settings → Models.
2. Scrollen Sie zu API Keys.
3. Aktivieren Sie Override OpenAI Base URL.
4. Tragen Sie diese Base URL ein:

https://www.bettertoken.ai/v1

5. Fügen Sie Ihren BetterToken-Key in OpenAI API Key ein und aktivieren Sie ihn.
6. Aktualisieren Sie die Modellliste und aktivieren Sie eine vollständige, aktuell verfügbare Modell-ID, zum Beispiel:

gpt-6-astra

7. Kehren Sie zum Chat zurück, deaktivieren Sie Auto und wählen Sie das Modell manuell aus.
8. Senden Sie zunächst eine kleine Testaufgabe und prüfen Sie Authentifizierung, Modellwahl und Nutzungsprotokoll, bevor Sie einen großen Task starten.

Die aktuelle Oberfläche und Hinweise zur Fehlerbehebung finden Sie im BetterToken-Leitfaden für Cursor.

Eine wichtige Einschränkung

Override OpenAI Base URL ist eine globale Einstellung. Sie kann andere in Cursor hinterlegte OpenAI-, Anthropic- oder integrierte Modellschlüssel beeinflussen. Falls eingebaute Modelle nicht mehr funktionieren, deaktivieren Sie das Override und testen Sie erneut. Cursor bietet derzeit außerdem keine eigene Base URL pro Modell.

Ein benutzerdefinierter Anbieter für Codex hat eine andere Protokollanforderung: Er muss die Responses API unterstützen, nicht nur Chat Completions. Eine kompatible Codex-Konfiguration verwendet wire_api = "responses". Lesen Sie vor der Einrichtung den BetterToken-Leitfaden für Codex.

Beide Tools mit derselben Aufgabe vergleichen

Geben Sie Cursor und Codex nicht unterschiedliche Prompts. Verwenden Sie ein kleines Repository und lassen Sie beide exakt denselben Auftrag ausführen. Das folgende Beispiel ist bewusst begrenzt und überprüfbar:

Ziel: Die doppelte Verarbeitung des Login-Callbacks beheben.
Erlaubter Umfang: Nur die Idempotenzlogik des Callbacks und die unmittelbar zugehörigen Tests ändern.
Nicht tun: Nicht das gesamte Login-Modul refaktorieren, keine Abhängigkeiten aktualisieren und keine anderen Authentifizierungsmethoden verändern.
Abschlusskriterium: Wird derselbe Callback mehrfach zugestellt, wird die Aktion nur einmal ausgeführt; normale Callbacks verhalten sich weiterhin unverändert.
Prüfung: Nur die Tests ausführen, die den Login-Callback betreffen. Stoppen, sobald sie erfolgreich sind; keine fachfremden vollständigen Test-Suites ausführen.
Vor der Bearbeitung das Repository untersuchen und erklären, welche Dateien geändert werden sollen. Den Code nicht sofort ändern.

Halten Sie für jeden Durchlauf fest:

• wie lange das Tool brauchte, um die richtigen Dateien zu finden;
• wie oft zusätzlicher Kontext nötig war;
• ob unbeteiligte Dateien verändert wurden;
• wie leicht sich der Diff prüfen und zurücksetzen ließ;
• ob die angegebenen Tests tatsächlich liefen und erfolgreich waren;
• wie viele Command- oder Netzwerkfreigaben nötig waren;
• welchen Verbrauch oder API-Preis das Dashboard anzeigte;
• ob die Aufgabe nach einer Pause fortgesetzt werden konnte, ohne alles erneut zu erklären.

Diese Methode ist aussagekräftiger als ein allgemeines Ranking, weil sie Ihren tatsächlichen Workflow misst.

Was Teams neben der Codequalität vergleichen sollten

Für eine Einführung im Team sollten Sie zusätzlich prüfen:

• ob Administratoren die Nutzung nach Person und Modell sehen können;
• ob sie Budgets setzen und On-Demand-Abrechnung deaktivieren können;
• ob Modell-, Datenschutz-, Netzwerk- und Command-Berechtigungen zentral verwaltet werden;
• wie Repository-Zugriff vergeben, protokolliert und entzogen wird;
• wo Ergebnisse von Hintergrundtasks, PR-Reviews und Logs gespeichert werden;
• ob eigene API keys persönliche Geheimnisse oder zentral verwaltete Zugangsdaten sind.

Cursor Teams ist stark bei zentraler Abrechnung, Editor-Richtlinien und gemeinsamen Workflows. Die Teamkontrollen von Codex hängen vom ChatGPT-Workspace, der verwendeten Oberfläche und einer möglichen API-key-Nutzung ab. Eine API key allein ersetzt keine Workspace-Governance.

Häufig gestellte Fragen

Was ist besser: Cursor oder Codex?

Keines ist in jeder Situation besser. Cursor wirkt natürlicher bei Live-Codeprüfung, Inline-Änderungen und schrittweiser Diff-Kontrolle. Codex ist natürlicher, wenn eine klar definierte Aufgabe delegiert, getestet und als verifiziertes Ergebnis zurückgegeben werden soll.

Wie viel kostet Codex?

Im September 2026 ist Codex über Free, Go, Plus, Pro, Business, Enterprise oder eine API key verfügbar. Plus kostet 20 $ pro Monat. Pro beginnt bei 100 $ pro Monat und bietet ungefähr das 5- oder 20-Fache der Codex-Nutzung von Plus. API-key-Nutzung wird nach Tokens und Modellpreis berechnet.

Was ist On-Demand Usage in Cursor?

Das ist nutzungsabhängige Abrechnung, nachdem das im Tarif enthaltene Monatskontingent verbraucht ist. Ist sie aktiv, laufen Anfragen zum API-Preis des jeweiligen Modells weiter. Prüfen Sie daher Spending und setzen Sie ein Budget.

Kann Cursor On-Demand Usage deaktiviert werden?

Ja. Öffnen Sie das Cursor-Web-Dashboard und deaktivieren Sie unter Spending oder Billing die Option, die Verbrauch oberhalb des enthaltenen Kontingents erlaubt. Teamadministratoren sollten außerdem ein monatliches Limit setzen. Die Bezeichnung kann sich mit Produktupdates ändern.

Kann Codex Cursor vollständig ersetzen?

Für Personen, die hauptsächlich mit CLI, IDE-Erweiterung oder Cloud-Tasks arbeiten und nicht auf Tab oder Cursor-spezifische Funktionen angewiesen sind, ist das möglich. Wer fortlaufend selbst Code bearbeitet, erlebt meist keinen vollständigen Ersatz.

Deckt eine eigene API key alle Cursor-Funktionen ab?

Nein. Sie deckt hauptsächlich unterstützte Standardmodell-Anfragen ab. Tab Completion, Cursor-eigene Modelle und einige Agent- oder Cloud-Funktionen können weiterhin Cursors Dienste und Tarifkontingent verwenden.

Kann man Cursor und Codex zusammen verwenden?

Ja. Eine klare Aufteilung funktioniert am besten: Cursor für interaktive Bearbeitung und lokale Prüfung, Codex für längere delegierte Arbeiten, Automatisierung, Tests und Massenänderungen. Erfassen Sie die Kosten getrennt.

Abschließende Empfehlung

• Wählen Sie Cursor, wenn Sie den Tag in der IDE verbringen und sofortigen Kontext, Inline-Unterstützung und visuelle Diffs möchten.
• Wählen Sie Codex, wenn Sie Arbeit als klaren Auftrag formulieren und einem Agenten eigenständige Ausführung und Prüfung überlassen möchten.
• Nutzen Sie beide nur dann, wenn eines Live-Zusammenarbeit und das andere Hintergrunddelegation übernimmt.
• Kontrollieren Sie die Kosten, indem Sie neben dem Monatsbeitrag auch Modellwahl, Aufgabenlänge, enthaltene Nutzung, On-Demand-Gebühren, zusätzliche Credits und API-Abrechnung betrachten.

Die verlässlichste Entscheidung entsteht, wenn Sie dasselbe Repository, dieselbe Aufgabe und dieselben Akzeptanzkriterien einmal mit beiden Produkten ausführen.