Codex Statistieken.

Codex is OpenAI’s agent-gebaseerde software-engineering productlijn: een coderingsagent beschikbaar via ChatGPT, cloudtaken, CLI, IDE-extensies, GitHub-workflows, desktop-apps en API-modellen. De openbare statistieken vallen in vier categorieën die niet gemengd moeten worden — bedrijfsgerapporteerde gebruiksstatistieken, product-release mijlpalen, benchmarkscores voor capaciteiten en bredere enquêtes over de adoptie van AI door ontwikkelaars.

Het belangrijkste cijfer is bedrijfsgerapporteerd: OpenAI zegt dat meer dan 5 miljoen mensen wekelijks Codex gebruiken, waarbij niet-ontwikkelaars ongeveer 20% van de gebruikers uitmaken en meer dan 3× sneller groeien dan ontwikkelaars (OpenAI). Dat is een wekelijkse gebruikersmetriek — geen maandelijkse of dagelijkse actieve gebruikers, omzet, betaalde plaatsen of marktaandeel. Dit artikel vat de best onderbouwde Codex-statistieken uit het onderzoeksrapport samen, scheidt gebruikersadoptie van ecosysteemsignalen en legt de kanttekeningen achter elk getal uit.

Top Statistieken

De gebruikscijfers van OpenAI zijn bedrijfsgerapporteerd en informatief, maar niet onafhankelijk gecontroleerd in het dossier. Lees ze als product-ecosysteemsignalen, elk met een specifieke populatie en tijdsvenster.

Wat Codex Meet: Product, Agent, Model of Workflow?

“Codex” is geen enkele metrische categorie. In de materialen van OpenAI verwijst het naar een productsuite en agentplatform dat cloudtaken, CLI, IDE, web/mobiel, GitHub en CI/CD-achtige workflows omvat (OpenAI Platform).

De basisregel voor het interpreteren van de cijfers: adoptiestatistieken verwijzen naar mensen of gebruik binnen het ecosysteem van OpenAI; modelreferentiestatistieken verwijzen naar technische limieten; benchmarkstatistieken verwijzen naar gecontroleerde taken; en ecosysteemstatistieken zoals GitHub-metadata of npm-downloads zijn signalen van aandacht of distributie.

Lancering en Producttijdlijn

De openbare Codex-tijdlijn verankert de adoptie- en benchmarkcijfers aan de productchronologie.

Reuters meldde later dat OpenAI partnerschappen met grote wereldwijde consultancybureaus uitbreidde om de implementatie van Codex in bedrijven te versnellen (Reuters via Investing.com). Deze rapporten zijn nuttig voor de go-to-market context, maar ze vervangen de eigen definities van OpenAI voor gebruiksaantallen niet.

Gebruikersadoptie en gebruiksstatistieken

De belangrijkste adoptiestatistiek is het rapport van OpenAI dat meer dan 5 miljoen mensen wekelijks Codex gebruiken (OpenAI). Het is een bedrijfsgerapporteerd wekelijks gebruikerscijfer en mag niet worden omgezet in maandelijkse actieve gebruikers, dagelijkse actieve gebruikers, betaalde abonnees of marktaandeel.

Dat niet-ontwikkelaars ongeveer 20% van de gebruikers uitmaken en meer dan 3× sneller groeien dan ontwikkelaars, verandert de interpretatie van Codex van een puur ontwikkelaarstool naar een bredere interface voor werkdelegatie. De interne adoptie bij OpenAI lijkt ongewoon sterk — maar het dossier waarschuwt ervoor om dit niet als representatief voor gewone bedrijven te beschouwen. De groeifactoren zijn opvallend, maar gevoelig voor de basislijn:

Groeimultiplicatoren kunnen groot lijken wanneer de startbasis klein is, dus ze moeten worden gelezen als richtinggevend nuttig, niet als op zichzelf staand bewijs van marktomvang. Axios meldde ook dat Codex meer dan 5 miljoen wekelijkse actieve gebruikers overtrof, waarbij de adoptie door kenniswerkers sneller groeide dan de adoptie door ontwikkelaars, onder verwijzing naar OpenAI-onderzoek (Axios) — maar omdat de onderliggende statistiek afkomstig is van OpenAI, is de accurate formulering nog steeds “OpenAI meldt,” niet “onafhankelijk gemeten.”

Interfaces: ChatGPT, CLI, IDE, GitHub, App en API

Codex-statistieken zijn gemakkelijker te interpreteren wanneer ze per interface worden gegroepeerd — elke interface heeft een andere meetnoemer.

In ChatGPT werd Codex gelanceerd als een via de zijbalk toegankelijke coderingsagent. In de CLI werd het een lokale agentworkflow die kan overdragen naar de cloud en verbinding kan maken met MCP-servers via ~/.codex/config.toml (OpenAI Platform). De IDE-extensie ondersteunt VS Code, Cursor en andere VS Code-forks, waarbij de editorcontext wordt gebruikt om prompting te verminderen (OpenAI). In GitHub kan Codex pull-aanvragen beoordelen via @codex en PR’s produceren uit cloudtaken (OpenAI Help). Op API-niveau vermeldt de GPT-5.2-Codex-modelreferentie een contextvenster van 400.000 tokens en 128.000 maximale uitvoertokens, terwijl codex-mini-latest respectievelijk 200.000 en 100.000 vermeldt (OpenAI Developers).

Capaciteitsbenchmarks en wat ze niet bewijzen

Benchmarkstatistieken behoren tot de gemakkelijkste Codex-cijfers om te citeren en te overinterpreteren. OpenAI rapporteerde GPT-5.3-Codex met 56,8% op SWE-Bench Pro Public, 77,3% op Terminal-Bench 2.0 en 64,7% op OSWorld-Verified, met behulp van “xhigh” redeneerinspanning (OpenAI).

Dit zijn model-evaluatieresultaten onder specifieke configuraties — geen metingen van hoe vaak Codex zal slagen in de private monorepo van een bedrijf, met de tests, permissies, afhankelijkheden en beoordelingsstandaarden van dat bedrijf. Cruciaal is dat de drie benchmarks verschillende dingen meten en niet direct met elkaar vergeleken moeten worden: SWE-Bench Pro legt de nadruk op professionele taken met een langere horizon (Scale AI); Terminal-Bench 2.0 definieert 89 realistische terminaltaken (arXiv); en OSWorld meet uitvoerbaar computergebruik over volledige besturingssystemen (arXiv).

De diversiteit van benchmarks versterkt de voorzichtigheid. TerminalWorld introduceert een automatisch gegenereerde benchmark met 1.530 gevalideerde taken en rapporteert een zwakke correlatie (Pearson r = 0,20) met de door experts samengestelde Terminal-Bench, wat suggereert dat de twee complementaire capaciteiten meten (arXiv). Het tijdshorizonkader van METR voegt een andere dimensie toe: de Time Horizon 1.1-update breidde de taaksuite uit van 170 naar 228 taken en lange taken van 8 uur+ van 14 naar 31 (METR).

Beveiliging, Sandboxing en Implementatiecontroles

Beveiliging staat centraal in Codex-statistieken omdat agent-gebaseerde coderingstools werken met codebases, afhankelijkheden, tests, terminals en soms netwerkbronnen. De oorspronkelijke lancering van OpenAI stelde dat elke taak wordt uitgevoerd in een geïsoleerde cloud-sandbox met internettoegang standaard uitgeschakeld tijdens de uitvoering (OpenAI).

De GPT-5-Codex systeemkaart beschrijft de implementatie via terminal, IDE, cloud, GitHub en ChatGPT mobile, samen met sandboxing en configureerbare netwerktoegangsmitigaties (OpenAI PDF). Dit is van belang voor metrische vergelijkingen: een taak die is voltooid in een sandbox zonder netwerk, is niet direct vergelijkbaar met een taak die is voltooid met configureerbare internettoegang en browserautomatisering. Enterprise- en onderwijs-releasenotes voegen een administratieve laag toe, inclusief RBAC, een compliance-API en beheerderscontroles.

Ontwikkelaar-AI Marktcontext

De adoptie van Codex past in een bredere verschuiving naar AI-ondersteunde softwareontwikkeling. Enquêtegegevens zijn nuttige context, maar ze meten verschillende populaties en mogen niet worden samengevoegd tot één “adoptiepercentage voor ontwikkelaars”.

De Stack Overflow-enquête van 2025 rapporteerde een AI-sentiment van 60% gunstig, terwijl 46% de nauwkeurigheid van AI-output wantrouwde (een stijging van 31% in 2024), 33% het vertrouwde en slechts 3% het zeer vertrouwde (Stack Overflow). Onder kant-en-klare AI-assistenten werden ChatGPT en GitHub Copilot als de meest gebruikte gerapporteerd:

De JetBrains-enquête van 2025 (24.534 ontwikkelaars in 194 landen, april-juni 2025) rapporteerde dat 85% regelmatig AI-tools gebruikt en 62% vertrouwt op ten minste één AI-coderingsassistent, -agent of code-editor (JetBrains). De GitHub-enquête van 2024 rapporteerde dat meer dan 97% van de ondervraagde ontwikkelaars AI-coderingstools op het werk gebruikte, terwijl slechts 38% van de Amerikaanse ontwikkelaars zei dat hun organisaties de adoptie actief aanmoedigden (GitHub Blog). Geen van deze biedt een Codex-specifieke marktaandeelnoemer.

Ecosysteemsignalen: GitHub, npm en wat niet te concluderen

Het open-source en pakketecosysteem van Codex biedt nuttige openbare signalen, maar geen aantallen actieve gebruikers. De canonieke repository is openai/codex en het officiële npm-pakket is @openai/codex (npm).

De eigen definities van GitHub zijn cruciaal: stargazers_count, watchers en watchers_count vertegenwoordigen allemaal sterren, terwijl subscribers_count repository-watchers vertegenwoordigt (GitHub Docs). Pakketdownloads zijn ook geen actieve gebruikers — ze kunnen worden opgeblazen door CI-systemen, herinstallaties, mirrors en automatisering. Sterren duiden op bekendheid, forks op experimenten; geen van beide bewijst productiegebruik. De wekelijkse gebruikers- en maandelijkse ontwikkelaarscijfers van OpenAI blijven de enige directe productgebruiksstatistieken in het dossier.

Productiviteitsclaims en kanttekeningen bij casestudies

Codex wordt vaak besproken in termen van productiviteit, maar de openbare bewijsbasis is ongelijk. OpenAI zegt dat haar ingenieurs Codex dagelijks gebruiken voor beveiliging, productengineering, frontend, API, infrastructuur en prestatie-engineering (OpenAI PDF) — zinvolle workflowvoorbeelden, maar geen gerandomiseerde productiviteitstests.

De Codex-productpagina vermeldt een door Harvey gerapporteerde reductie van 30-50% in de vroege iteratietijd (OpenAI) — een door de klant gerapporteerd resultaat dat niet moet worden gegeneraliseerd naar “Codex verbetert de productiviteit met 30-50%” voor alle teams. En de 90% reductie in de mediane taakvoltooiingstijd via containercaching is een systeemprestatiestatistiek, geen 90% reductie in engineeringarbeid (OpenAI).

Metrische definities en veelvoorkomende misinterpretaties

De veiligste manier om Codex samen te vatten, is door metrische definities expliciet te houden.

Opmerking over bronkwaliteit

Dit artikel gebruikt uitsluitend het meegeleverde onderzoeksrapport als feitelijke basis. De sterkste Codex-specifieke bronnen zijn OpenAI-productaankondigingen, documentatie, systeemkaarten, ontwikkelaarsmodelreferenties en onderzoeks-PDF’s.

Veelgestelde vragen

Bronnen en verder lezen