Um novo termo tem circulado na comunidade de desenvolvedores internacional: Claudex. Não se trata de um produto oficial, mas de um apelido dado pelos desenvolvedores à prática de "rodar modelos da OpenAI dentro da estrutura do Claude Code". Alguns desenvolvedores compartilharam nas redes sociais um método de configuração de apenas três passos, acompanhado de uma provocação: se você ainda não tem coragem de instalar o cliente Codex separadamente, pode muito bem continuar na interface familiar do Claude Code e apontá-lo para o GPT-5.6 Sol. Após ser compartilhado e receber explicações técnicas de Theo (@t3.gg), o assunto viralizou e se tornou um dos tópicos mais discutidos nas últimas semanas no ecossistema de ferramentas de programação com IA. Este artigo vai detalhar o que é o Claudex, o princípio de funcionamento da ferramenta CLIProxyAPI, além de explicar o passo a passo da configuração e as variáveis de ambiente necessárias.
O que é o Claudex: uma fusão entre interface e modelo
O nome Claudex é uma combinação de Claude e Codex, referindo-se a uma forma de uso híbrida: manter a interface de linha de comando e o mecanismo de invocação de ferramentas do Claude Code, mas encaminhando as solicitações de inferência reais para o modelo GPT-5.6 Sol da OpenAI. O motivo pelo qual as pessoas se dão ao trabalho de montar essa combinação não é apenas por curiosidade; testes comparativos realizados pela comunidade mostraram que o GPT-5.6 Sol, sob a lógica de orquestração de tarefas do Claude Code, apresenta um comportamento mais estável do que no ambiente nativo do Codex.
O problema reside em uma falha conhecida no harness oficial do Codex. De acordo com relatos de desenvolvedores no GitHub, o GPT-5.6 Sol entra, por padrão, em um modo de orquestração de subagentes que oculta campos cruciais como agent_type, model, reasoning_effort e service_tier. Isso faz com que cada subtarefa derivada do Sol herde a configuração completa e de alto custo do próprio Sol, impossibilitando o uso de modelos mais leves, como o Terra ou o Luna, mesmo quando a subtarefa não exige tanto. Em outras palavras, o mecanismo de roteamento de subagentes no ambiente Codex possui um bug, e a forma como o Claude Code define subagentes baseada em arquivos acaba contornando essa limitação.
| Dimensão de comparação | Harness nativo do Codex | Harness do Claude Code (Modo Claudex) |
|---|---|---|
| Redução de modelo de subagente | Limitada, Sol oculta campos-chave | Pode ser especificada via variável de ambiente |
| Método de definição de subagente | Lógica de orquestração interna | Definição de subagente baseada em arquivos |
| Controle de concorrência de ferramentas | Estratégia fixa | Ajustável via CLAUDE_CODE_MAX_TOOL_USE_CONCURRENCY |
| Mecanismo de busca de ferramentas | Carregamento total por padrão | Ativação sob demanda via ENABLE_TOOL_SEARCH |
Vale ressaltar que alguns desenvolvedores relataram não notar uma diferença de desempenho significativa em tarefas de codificação padrão. Essa discrepância parece surgir principalmente em tarefas complexas que dependem de uma orquestração intensa de subagentes. Portanto, o Claudex deve ser visto mais como uma configuração experimental — "uma opção a mais" — do que como a solução ideal em todos os casos.
Não é surpresa que esse tipo de truque de configuração tenha se popularizado rapidamente. Desde o lançamento da série GPT-5.6, as discussões na comunidade de desenvolvedores sobre "qual harness é melhor para rodar o Sol" não param. Muitas pessoas já se acostumaram com o ritmo de interação e o ecossistema de plugins do Claude Code e não querem mudar para uma cadeia de ferramentas totalmente desconhecida apenas para testar um novo modelo. A lógica do Claudex é, essencialmente, "obter o máximo benefício com o mínimo de esforço": não é necessário aprender uma nova ferramenta de linha de comando, basta redirecionar as solicitações subjacentes. É por isso que ele é muito mais fácil de adotar do que instalar o cliente Codex do zero.
O que é o CLIProxyAPI: um proxy de tradução de protocolo
Para implementar o Claudex, é necessário ter uma camada de proxy intermediária que converta as solicitações de protocolo Anthropic enviadas pelo Claude Code para um formato de invocação que o OpenAI Codex consiga entender. É exatamente esse o papel do CLIProxyAPI. Ele é um serviço de proxy local de código aberto que encapsula sessões OAuth de diversas ferramentas CLI — como Codex, Claude Code e Gemini CLI — em interfaces HTTP API compatíveis com OpenAI, Gemini, Claude e Codex. Além disso, ele suporta respostas em streaming, chamadas de função, entrada multimodal e balanceamento de carga entre contas.
Seu posicionamento é semelhante a um gateway de conversão de protocolo: você não precisa adaptar a lógica de invocação para cada fornecedor de modelo individualmente; em vez disso, o proxy expõe interfaces padrão de forma unificada. Essa abordagem é, na verdade, muito próxima da filosofia da APIYI (apiyi.com) — ambos resolvem o problema da "falta de padronização nas interfaces de modelos". A diferença é que o CLIProxyAPI depende das suas assinaturas locais do Claude e ChatGPT já logadas, enquanto gateways em nuvem como a APIYI utilizam uma chave API para invocar diretamente toda a série de modelos GPT-5.6, sem a necessidade de manter sessões OAuth e processos de proxy localmente.
| Componente | Função | Protocolo Compatível |
|---|---|---|
| Módulo de login OAuth | Reutiliza identidades de assinatura Claude / ChatGPT existentes | Anthropic OAuth, OpenAI OAuth |
| Camada de conversão de protocolo | Expõe interfaces padrão de forma unificada | OpenAI / Gemini / Claude / Codex |
| Roteamento multi-conta | Distribui solicitações via round-robin para contornar limites de conta | Todos suportados |
| Processo de serviço local | Escuta portas locais para conexão de ferramentas CLI | HTTP / WebSocket |
Quanto ao formato de implantação, o CLIProxyAPI oferece pacotes binários e imagens Docker. O repositório também inclui um docker-compose.yml e scripts de construção correspondentes, facilitando a inicialização de serviços conteinerizados. O arquivo de configuração é um YAML, cujo conteúdo principal inclui a porta de escuta, o diretório de armazenamento de credenciais e a ativação do roteamento multi-conta. Você pode copiar o config.example.yaml do repositório oficial e adaptá-lo. O projeto também fornece um SDK em Go, caso você queira incorporar essa capacidade de proxy em seus próprios serviços internos em vez de rodar um processo separado.
Fluxo de configuração em cinco passos: da instalação ao funcionamento
Podemos dividir o processo completo em cinco passos. O primeiro é instalar o CLIProxyAPI, o que pode ser feito via binário ou imagem Docker; no arquivo YAML, você deve declarar a porta de escuta e o caminho das credenciais. O segundo passo é realizar o login via OAuth com suas contas Claude e OpenAI; o proxy salvará ambas as credenciais localmente e selecionará automaticamente a identidade correta com base no modelo de destino.
O terceiro passo é direcionar a saída das solicitações do Claude Code para o proxy local. Geralmente, isso é feito definindo a variável ANTHROPIC_BASE_URL para o endereço onde o CLIProxyAPI está escutando, fazendo com que o Claude Code "pense" que está acessando a interface oficial da Anthropic, enquanto o tráfego é interceptado e redirecionado. O quarto passo é definir um alias claudex com as variáveis de ambiente necessárias, permitindo que você entre nesse modo híbrido com apenas um comando. O quinto passo é executar uma tarefa real para validar o funcionamento; recomendo testar com uma demanda que envolva múltiplos sub-tarefas, em vez de apenas uma alteração simples de arquivo, para observar se o roteamento do sub-proxy está realmente funcionando.
O ponto onde costumam ocorrer mais problemas é na conexão entre o segundo e o terceiro passo. Os tokens OAuth de ambas as contas possuem ciclos de renovação distintos; se o processo do proxy ficar rodando por muito tempo sem reiniciar, as solicitações podem ser silenciosamente rejeitadas após a expiração do token, fazendo com que o Claude Code pare de responder sem exibir um erro claro. Recomendo gerenciar o processo do proxy com ferramentas de monitoramento de sistema e verificar periodicamente os logs para confirmar se o status de login de ambas as contas permanece válido, em vez de descobrir que as credenciais expiraram apenas na hora de rodar uma tarefa.
alias claudex='CLAUDE_CODE_SUBAGENT_MODEL=gpt-5.6-sol \
CLAUDE_CODE_ALWAYS_ENABLE_EFFORT=1 \
CLAUDE_CODE_MAX_TOOL_USE_CONCURRENCY=3 \
ENABLE_TOOL_SEARCH=false \
claude --model gpt-5.6-sol'
🎯 Dica de configuração: Se você quer apenas experimentar o desempenho do GPT-5.6 Sol, não é obrigatório seguir o caminho da dupla autenticação OAuth. Sugerimos solicitar uma chave API através da APIYI (apiyi.com) e usar a interface padrão compatível com OpenAI para validar o GPT-5.6 Sol, Terra e Luna. Depois de validar, você pode decidir se vale a pena investir tempo na configuração do proxy local e na manutenção das contas.
Análise detalhada das variáveis de ambiente no alias do claudex
O comando de alias acima parece simples, mas as quatro variáveis de ambiente resolvem problemas distintos. Entender o papel de cada uma é fundamental para decidir se essa configuração é adequada para o seu cenário.
| Variável de Ambiente | Função | Por que é necessária |
|---|---|---|
CLAUDE_CODE_SUBAGENT_MODEL |
Força todos os subagentes a usarem o modelo especificado | Contorna falhas de downgrade causadas por campos ocultos do Codex harness |
CLAUDE_CODE_ALWAYS_ENABLE_EFFORT |
Mantém o parâmetro de esforço de raciocínio sempre ativo | Garante que o Sol mantenha o nível de esforço definido em cada invocação |
CLAUDE_CODE_MAX_TOOL_USE_CONCURRENCY |
Limita o número de chamadas de ferramentas simultâneas | Evita erros de limite de taxa (rate limit) ao encaminhar solicitações |
ENABLE_TOOL_SEARCH |
Desativa o mecanismo de busca de ferramentas sob demanda | Em alguns cenários de proxy, a busca de ferramentas entra em conflito com a tradução de protocolo |
A variável CLAUDE_CODE_MAX_TOOL_USE_CONCURRENCY merece atenção especial. Se a velocidade de encaminhamento da camada de proxy não acompanhar as solicitações de ferramentas simultâneas do Claude Code, é muito fácil disparar erros 400. Esse tipo de problema também ocorre ao chamar a API oficial diretamente; essencialmente, as solicitações simultâneas excedem a capacidade de processamento do backend. Ao encontrar erros semelhantes, além de reduzir o valor dessa variável, considere trocar para um serviço proxy de API com maior capacidade de suporte a conexões simultâneas, economizando o tempo gasto em depurações repetitivas devido a limitações de taxa.
Solucionando erros comuns: de travamentos a limites de taxa
Durante a configuração desse conjunto, alguns tipos de erros aparecem com mais frequência. Conhecer a direção da investigação com antecedência pode economizar muito tempo.
| Fenômeno | Causa provável | Direção da investigação |
|---|---|---|
| Claude Code sem resposta por muito tempo | Token OAuth do processo de proxy expirado | Verifique os logs do proxy e reinicie o fluxo de login |
| Erro 400 com aviso de limite de concorrência | Número de chamadas simultâneas excede o limite do backend | Reduza o valor de CLAUDE_CODE_MAX_TOOL_USE_CONCURRENCY |
| Subagente ainda usa modelo de alto custo | Variável de ambiente não aplicada na shell atual | Confirme se o alias foi definido na mesma sessão que iniciou o Claude Code |
| Carregamento da lista de ferramentas muito lento | Conflito entre busca de ferramentas e tradução de protocolo | Tente alternar o estado de ENABLE_TOOL_SEARCH |
O limite de taxa por concorrência é o problema mais comum e, essencialmente, tem a mesma causa que os erros de limite encontrados ao chamar a API oficial diretamente: a taxa de solicitações excede a capacidade de processamento do backend. A lógica de solução para esses problemas é universal; independentemente de você estar usando um proxy local ou chamando a interface na nuvem, reduzir a concorrência e testar gradualmente o limite é muito mais eficiente para localizar o problema do que aumentar os parâmetros de uma só vez.
Qual modelo da série GPT-5.6 escolher?
A configuração do Claudex aponta por padrão para o GPT-5.6 Sol, mas este é apenas o nível mais alto da família GPT-5.6. Esse sistema de nomenclatura utiliza números para identificar a geração do modelo e Sol, Terra e Luna para identificar três níveis de capacidade que podem ser iterados de forma independente, correspondendo a diferentes complexidades de tarefas e orçamentos.
| Modelo | Posicionamento | Cenários de aplicação |
|---|---|---|
| GPT-5.6 Sol | Nível principal para raciocínio complexo e tarefas de longa cadeia | Orquestração de múltiplos subagentes, análise de nível científico, auditoria de segurança |
| GPT-5.6 Terra | Nível de uso diário | Programação convencional, processamento de documentos, tarefas em lote |
| GPT-5.6 Luna | Nível leve e de alta frequência | Tarefas simples e repetitivas, cenários de resposta rápida |
O objetivo de utilizar o esquema de roteamento de subagentes do Claudex é permitir que a tarefa principal complexa seja tratada pelo Sol, enquanto as subtarefas leves divididas podem ser automaticamente rebaixadas para o Terra ou Luna, controlando assim o custo total da invocação do modelo. Se você não pretende manter um agente local, também pode chamar esses três níveis de modelos sob demanda através da plataforma APIYI (apiyi.com), utilizando o mesmo sistema de conta para concluir tudo, desde o planejamento da tarefa até a execução das subtarefas, sem precisar se preocupar se o roteamento do subagente está limitado pelo harness.
Ao escolher, não se prenda à ideia de que "você deve usar o nível mais caro". O preço do Sol é significativamente mais alto que o do Terra e do Luna; se a tarefa em si não envolver raciocínio profundo ou orquestração de longa cadeia, o Terra pode oferecer resultados próximos com uma redução considerável de custos. É por isso que entender o mecanismo de rebaixamento de subagentes é mais importante do que simplesmente escolher um modelo — o que realmente determina o gasto total muitas vezes não é qual modelo a tarefa principal usou, mas se as inúmeras subtarefas divididas foram alocadas de forma racional para os níveis mais baratos.
Perguntas Frequentes (FAQ)
O Claudex é um produto oficial da Anthropic ou da OpenAI?
Não. É uma forma de uso híbrido construída pela comunidade de desenvolvedores com base em ferramentas de proxy de terceiros como o CLIProxyAPI. Essencialmente, trata-se de uma combinação das interfaces e capacidades de modelo de ambos os fabricantes, não representando a posição oficial de nenhuma das partes.
Por que não usar o cliente Codex diretamente para chamar o GPT-5.6 Sol?
Você pode usar diretamente, mas alguns desenvolvedores relataram que o harness nativo do Codex apresenta falhas de roteamento em cenários de orquestração de subagentes, impedindo que subtarefas leves sejam rebaixadas para modelos mais baratos. Se sua tarefa não envolve divisões complexas de subagentes, essa diferença pode não ser perceptível.
Montar esse proxy CLIProxyAPI traz riscos de segurança?
O proxy local salvará suas credenciais OAuth da conta. É necessário prestar atenção às permissões de acesso dos arquivos de configuração e evitar a implantação em servidores acessíveis publicamente. Se você deseja apenas chamar o modelo rapidamente para validar resultados, usar um gateway em nuvem como o APIYI (apiyi.com) em conjunto com uma chave API independente facilita o controle de acesso e a auditoria de uso.
O que fazer se várias pessoas na equipe quiserem compartilhar essa configuração?
O CLIProxyAPI suporta o rodízio de múltiplas contas; teoricamente, você pode conectar as contas de assinatura dos membros da equipe à mesma instância de proxy para distribuir as solicitações. No entanto, essa abordagem aumenta exponencialmente a complexidade do gerenciamento de credenciais e, se uma conta apresentar anomalias, todas as invocações da equipe serão afetadas. Em cenários de equipe, recomenda-se usar um gateway de API unificado para atribuir chaves independentes aos membros, permitindo localizar com precisão o solicitante em caso de problemas, em vez de todos compartilharem um único processo de proxy local.
Considerações finais
No fim das contas, o Claudex é essencialmente uma solução de engenharia improvisada pela comunidade. Seu valor reside em revelar as diferenças de implementação entre os harness de diferentes fornecedores na orquestração de subagentes, e não em provar que um modelo ou ferramenta é absolutamente superior ao outro. Esse tipo de abordagem "gambiarra" feita por desenvolvedores geralmente tem um ciclo de vida curto — assim que a equipe oficial do Codex corrigir o problema de ocultação de campos no roteamento de subagentes, a razão de existir do Claudex pode desaparecer. No entanto, o insight que ele trouxe — de que o "design do harness afeta substancialmente o desempenho do modelo" — continua sendo uma referência valiosa para avaliar qualquer ferramenta de programação com IA no futuro.
Se você quer apenas experimentar a capacidade de raciocínio do GPT-5.6 Sol, não precisa gastar tempo configurando o CLIProxyAPI e lidando com o login OAuth duplo imediatamente. Você pode primeiro testar o desempenho usando a interface padrão através da APIYI (apiyi.com). Depois de confirmar se os resultados atendem às suas expectativas, aí sim você decide se vale a pena se aprofundar no caminho do proxy local.
