Krzysztof Gawryś
Claude Code, Codex i Google Antigravity. Możliwości, zalety i ograniczenia
Claude Code, Codex i Google Antigravity pozwalają zlecać AI konkretne prace w projekcie: rozbudowę formularza, przygotowanie nowej podstrony, znalezienie błędu czy napisanie testów. Potrafią czytać pliki, wprowadzać zmiany i korzystać z narzędzi programistycznych. Właśnie ta możliwość działania sprawia, że zmieniają sposób tworzenia stron i aplikacji.
Przy wyborze takiego narzędzia warto przyjrzeć się całemu procesowi pracy. Możliwość szybkiego przygotowania kodu nie oznacza jeszcze gotowego, bezpiecznego wdrożenia. Wyjaśniamy, jak działają te trzy rozwiązania, co można z nimi zbudować i jakie ograniczenia trzeba uwzględnić przy pracy nad firmowym serwisem.
Stan informacji: 11 listopada 2026 r. Zestawienie oparto na dokumentacji producentów; przykłady zastosowań są naszym omówieniem tych możliwości. Dostępność funkcji i limity zależą od wersji, planu oraz konfiguracji.
Czym są agenci AI do programowania?
W zwykłej rozmowie z chatbotem często otrzymujemy fragment kodu, który trzeba samodzielnie wkleić do projektu i uruchomić. Agent programistyczny może przejść przez kolejne etapy pracy: odnaleźć właściwe pliki, sprawdzić zależności, zaproponować rozwiązanie, zapisać je i uruchomić dostępne testy. Działa w granicach przyznanych uprawnień.
Przykładowe zadanie może brzmieć: „Dodaj filtrowanie inwestycji według miasta i liczby pokoi, zachowaj obecną stylistykę i sprawdź widok na telefonie”. To wymaga jednocześnie zmian w interfejsie, sposobie pobierania danych i logice filtrów. Agent może pracować nad całym tym zakresem, o ile otrzyma potrzebny kontekst i dostęp do środowiska.
Model AI i program, w którym go używamy, to dwie różne rzeczy. Model analizuje informacje i proponuje działania. Otaczająca go aplikacja udostępnia pliki, terminal, przeglądarkę, integracje oraz mechanizmy kontroli. Dlatego wybór narzędzia warto oprzeć również na tym, jak pasuje do pracy zespołu. Takie podejście opisują Anthropic w dokumentacji Claude Code, OpenAI w omówieniu architektury Codexa oraz Google w dokumentacji agenta Antigravity.
Claude Code, Codex i Antigravity: porównanie możliwości
Zakresy tych produktów w dużej mierze się pokrywają. Każdy może pomagać przy implementacji, analizie kodu i poprawianiu błędów. Poniższa tabela zestawia dostępne środowiska, integracje i kwestie istotne przy wyborze.
CLI oznacza pracę przez polecenia w terminalu, a IDE to środowisko do edycji i uruchamiania kodu. Skills zawierają instrukcje wykonywania określonych zadań. MCP pozwala podłączać dodatkowe narzędzia i źródła danych.
Przesuń tabelę w bok, aby zobaczyć wszystkie narzędzia.
| Obszar | Claude Code | Codex | Google Antigravity |
|---|---|---|---|
| Producent | Anthropic | OpenAI | |
| Sposób pracy | Terminal, integracje z edytorami, aplikacja desktopowa i środowisko webowe. | Terminal, rozszerzenie IDE, aplikacja desktopowa i zadania wykonywane w Codex Cloud. | Aplikacja do zarządzania agentami, CLI, integracje z edytorami oraz środowisko Antigravity IDE. |
| Praca z projektem | Analiza repozytorium, zmiany w wielu plikach, polecenia i obsługa Git. | Przegląd kodu, edycja plików, uruchamianie narzędzi i przygotowanie zmian do oceny. | Łączenie pracy nad kodem z terminalem, zadaniami agentów i weryfikacją rezultatu. |
| Rozszerzanie możliwości | Instrukcje projektu, skills, hooks, MCP i Agent SDK. | Instrukcje projektu, skills, integracje MCP, SDK i automatyzacja przez CLI. | Reguły, skills, MCP, subagenci i SDK; szczegóły zależą od wybranego interfejsu. |
| Co warto sprawdzić przed wyborem? | Wygodę pracy w używanym edytorze, uprawnienia oraz zużycie limitu przy dłuższych sesjach. | Czy zadanie ma działać lokalnie czy w chmurze i czy środowisko ma potrzebne zależności. | Dostępność potrzebnych funkcji w konkretnej aplikacji oraz sposób przeglądania zmian i pracy z przeglądarką. |
Na węższym ekranie tabelę można przewinąć w poziomie. Źródła funkcji: Claude Code, Codex CLI, Codex Cloud, Google Antigravity.
GPT-6 Astra i Claude Fable 5.2: co pokazują najnowsze wyniki?
Możliwości modeli szybko się zmieniają. Poniżej zestawiamy wyniki testów opublikowane 9 listopada 2026 r. oraz przykład wykorzystania GPT-6 Astra w pracy zespołu OpenAI. Przełącz widok, aby porównać benchmarki lub zobaczyć rezultat konkretnego projektu.
Benchmarki mierzą skuteczność modeli w określonych zadaniach. Nie mierzą procentowego przyspieszenia programisty względem pracy bez AI ani całych aplikacji Claude Code, Codex i Antigravity. Wyniki pochodzą od producentów; G2 TEAM nie przeprowadzał własnego testu porównawczego.
Zmiany w kodzie oceniane pod kątem przyjęcia do projektu
Test ocenia, czy zmiany przygotowane przez model nadawałyby się do przyjęcia przez opiekunów projektów open source.
Fable 5.2: poziom rozumowania Xhigh; Gemini 4 Carbon: Medium; GPT-6 Astra: najwyższy dostępny poziom według źródła. To pomiary opublikowane przez Anthropic, producenta Claude. Konfiguracja agenta i budżet obliczeń mają wpływ na wynik.
Źródło: Claude Fable 5.2 i Mythos 5.2, tabela benchmarków Anthropic.
Skuteczność w zadaniach programistycznych
Drugi benchmark z tego samego zestawienia pozwala sprawdzić wyniki modeli na innym zbiorze zadań.
Według Anthropic wyniki uzyskano przy najwyższym dostępnym poziomie rozumowania każdego modelu. To pomiary opublikowane przez Anthropic, producenta Claude. Konfiguracja agenta i budżet obliczeń mają wpływ na wynik.
Źródło: Claude Fable 5.2 i Mythos 5.2, tabela benchmarków Anthropic.
Porządkowanie dużej bazy kodu
OpenAI opisuje wykorzystanie Astry do wyszukiwania i usuwania nieużywanego kodu. Model zbierał dowody uzasadniające zmiany, a inżynierowie sprawdzali propozycje przed ich przyjęciem.
Zespół usunął ponad 800 tys. linii kodu. Przeglądy angażowały także osoby z innych zespołów. To opis projektu bez równoległej grupy pracującej bez AI, dlatego nie pozwala wyliczyć procentowego wzrostu produktywności.
Źródło: Rodrigo Roim, Maintaining software with the GPT-6 family, OpenAI.
Dla zespołu wdrażającego AI najważniejszy pozostaje czas potrzebny na uzyskanie sprawdzonej zmiany: od analizy zadania, przez implementację, po testy i poprawki. Aktualne benchmarki pomagają wybrać model do próby. Rzeczywistą oszczędność czasu warto następnie zmierzyć na zadaniach z własnego projektu.
Claude Code: praca blisko kodu i narzędzi zespołu
Claude Code może być częścią istniejącego warsztatu programisty. Pozwala pracować w terminalu lub edytorze, a także korzystać z aplikacji desktopowej i zadań w przeglądarce. Oprócz samej implementacji obsługuje czynności towarzyszące: analizę komunikatów błędów, pracę z Gitem oraz automatyzację powtarzalnych zadań.
Claude Code / Anthropic
Duże znaczenie ma możliwość przekazania zasad projektu. Instrukcje w CLAUDE.md, reguły i gotowe procedury pomagają określić, jak zbudowana jest aplikacja i jak sprawdzać zmiany. Dokumentacja Anthropic rozróżnia przy tym instrukcje od zabezpieczeń: zapis „nie modyfikuj tego pliku” w poleceniu nie daje takiej kontroli jak techniczne ograniczenie dostępu. Zobacz dobre praktyki Claude Code.
| Zalety w praktyce | Ograniczenia i koszty organizacyjne |
|---|---|
| Można rozpocząć pracę w istniejącym projekcie i używać jego narzędzi, skryptów oraz testów. | Nieuporządkowany projekt i brak dokumentacji utrudniają trafną ocenę skutków zmiany. |
| Powtarzalne procedury można opisać i wykorzystywać przy kolejnych zadaniach. | Procedury trzeba utrzymywać. Nieaktualne instrukcje mogą kierować pracę w złą stronę. |
| Agent może przeprowadzić poprawkę obejmującą kilka powiązanych plików. | Rozległa zmiana wymaga przeglądu. Więcej wygenerowanego kodu oznacza również więcej kodu do sprawdzenia. |
Przykładowe zastosowanie: modernizacja starszego motywu WordPress, uporządkowanie komponentów React albo znalezienie przyczyny błędu po aktualizacji biblioteki. Przy takich zadaniach szczególnie przydają się aktualne instrukcje projektu i możliwość uruchomienia jego testów.
Codex: od lokalnej poprawki po zadanie w chmurze
Codex pozwala połączyć analizę projektu, edycję kodu i uruchamianie poleceń w jednym procesie. W CLI można pracować bezpośrednio na lokalnym repozytorium, przejrzeć niezatwierdzone zmiany i poprosić o ocenę konkretnego commita. Dostępne są też integracje z edytorem oraz interfejs desktopowy. Dokumentacja Codex CLI opisuje również automatyzację powtarzalnych prac i podłączanie dodatkowych narzędzi.
Codex / OpenAI
Osobną możliwością jest Codex Cloud. Zadanie otrzymuje własne środowisko i może być wykonywane po uśpieniu komputera użytkownika. To przydatne na przykład przy analizie błędów lub przygotowywaniu funkcji, którą zespół oceni później. Warunkiem jest dostęp do repozytorium, zależności i usług potrzebnych do uruchomienia projektu. Zobacz sposób działania Codex Cloud.
| Zalety w praktyce | Ograniczenia i koszty organizacyjne |
|---|---|
| Można dobrać środowisko do zadania: pracować na lokalnej kopii albo zlecić pracę w chmurze. | Lokalna baza danych czy prywatna usługa nie stają się automatycznie dostępne dla zadania chmurowego. |
| Przegląd zmian można włączyć w proces przed commitem lub po przygotowaniu większej poprawki. | Ocena wykonana przez AI nie potwierdza sama w sobie, że wszystkie wymagania biznesowe są spełnione. |
| Polecenia i testy można wykonywać w kontrolowanym środowisku. | Trzeba poprawnie ustawić dostęp do plików i sieci. Zbyt szerokie uprawnienia zwiększają skutki ewentualnej pomyłki. |
W Codexie kontrolę działania tworzą m.in. sandbox, czyli ograniczone środowisko wykonania, oraz zasady zatwierdzania operacji. Ich zakres zależy od interfejsu i konfiguracji. Warto rozumieć tę różnicę: możliwość uruchomienia testów w projekcie nie musi oznaczać zgody na zmianę serwera produkcyjnego. Opis uprawnień i zabezpieczeń Codexa.
Google Antigravity: kod, przeglądarka i czytelny wynik pracy
Google Antigravity to platforma do pracy z agentami, dostępna w kilku formach, m.in. jako aplikacja desktopowa, CLI i integracje z edytorami. Częścią ekosystemu jest również Antigravity IDE. Wybór konkretnego interfejsu ma znaczenie, bo dostępność funkcji i sposób ich obsługi mogą się różnić. Przegląd środowisk Antigravity.
Google Antigravity
W opisie tego produktu szczególne miejsce zajmują artefakty: plany, zestawienia wykonanej pracy czy materiały pomagające ocenić rezultat. Integracja z przeglądarką pozwala agentowi sprawdzać interfejs aplikacji i prezentować efekty działań. Przy projektach internetowych ułatwia to rozmowę o tym, co użytkownik rzeczywiście zobaczy. Dokumentacja agenta i pracy z przeglądarką pokazują ten sposób organizacji zadań.
| Zalety w praktyce | Ograniczenia i koszty organizacyjne |
|---|---|
| Plany i materiały z weryfikacji pomagają śledzić przebieg bardziej złożonego zadania. | Przekonująco wyglądający raport nadal trzeba porównać z rzeczywistym działaniem aplikacji. |
| Praca z przeglądarką wspiera ocenę układu, formularzy i innych elementów interfejsu. | Zrzut ekranu nie sprawdzi uprawnień użytkowników, poprawności danych ani wszystkich ścieżek błędu. |
| Można organizować równoległe prace agentów i dopasować interfejs do sposobu pracy. | Wymaga to jasnego podziału zadań, a także kontroli dostępu i zmian w repozytorium. |
Przykładowe zastosowanie: iteracyjna praca nad nową sekcją serwisu, w której po każdej zmianie trzeba ocenić widok w przeglądarce. Oceniając narzędzie, warto sprawdzić cały ten proces na rzeczywistym projekcie, od polecenia po podgląd gotowej zmiany.
Zobacz, jak wyglądają w praktyce
Wybraliśmy trzy prezentacje z oficjalnych kanałów producentów. Pokazują sposób pracy z narzędziami i uzupełniają porównanie o demonstracje. Wygląd aplikacji oraz dostępne funkcje mogły zmienić się od czasu nagrania.
Claude Code
Codex
Google Antigravity
Co można zbudować z pomocą tych narzędzi?
Najwięcej korzyści dają zadania, dla których potrafimy określić oczekiwany wynik. „Zrób lepszą stronę” pozostawia zbyt wiele niewiadomych. „Dodaj filtrowanie oferty, zachowaj adresy URL i sprawdź działanie na telefonie” daje już podstawę do konkretnej pracy oraz jej odbioru.
| Zadanie | W czym może pomóc AI? | Co trzeba zweryfikować? |
|---|---|---|
| Strona firmowa i landing page | Komponenty, sekcje oferty, responsywność i obsługa formularza. | Zgodność z identyfikacją marki, czytelność, dostępność i faktyczne dostarczanie zgłoszeń. |
| CMS i publikacja treści | Szablony WordPress, modele treści w headless CMS, integracja frontendu z API. | Role redaktorów, podgląd treści, przekierowania i zachowanie istniejących materiałów. |
| Integracja z CRM | Mapowanie pól, walidacja, obsługa odpowiedzi i testy integracji. | Dostęp do danych, duplikaty zgłoszeń, ponawianie po błędzie i sposób przechowywania kluczy. |
| Utrzymanie aplikacji | Analiza logów, poprawki błędów, aktualizacje zależności i dokumentacja. | Regresje w innych funkcjach, zgodność wersji oraz możliwość wycofania wdrożenia. |
| Wydajność i techniczne SEO | Poszukiwanie problemów w kodzie, metadane, dane strukturalne i optymalizacja zasobów. | Pomiary przed i po zmianie, indeksowanie oraz zgodność znaczników z rzeczywistą treścią. |
W każdym z tych scenariuszy ważny jest kontekst projektu. Integracje wymagają dokumentacji usług i odpowiednich dostępów. Przy pracy z treścią warto też rozdzielić CMS od warstwy prezentacji, tak jak opisaliśmy we wpisie o Sanity i architekturze headless.
Najważniejsza zaleta: krótsza droga od pomysłu do sprawdzonej zmiany
Agent może ograniczyć czas potrzebny na wyszukanie właściwego miejsca w kodzie, przygotowanie pierwszej wersji i wykonanie powtarzalnych czynności. Dla firmy oznacza to szansę na częstsze usprawnienia: nowy moduł oferty, dodatkowy filtr czy poprawkę formularza. Skala oszczędności zależy jednak od zadania, jakości projektu i liczby poprawek.
- 01 / ZAKRESUstalamy celCo ma się zmienić i po czym poznamy, że działa?
- 02 / REALIZACJAPracujemy na kodzieAgent analizuje projekt i przygotowuje poprawkę.
- 03 / WERYFIKACJASprawdzamy rezultatTesty, przegląd zmian i ocena interfejsu.
- 04 / PUBLIKACJAWdrażamy zmianęKopia, kontrolowane wdrożenie i sprawdzenie po publikacji.
W takim procesie AI wspiera zarówno tworzenie, jak i rozwój serwisu. Nadal potrzebne są decyzje dotyczące architektury, projektu graficznego i potrzeb odbiorców. Wygenerowany komponent jest częścią rozwiązania, które powinno pasować do całej strony.
Wady i ryzyka, o których warto wiedzieć przed wdrożeniem
Kod może wyglądać poprawnie i zawierać błąd. Agent może źle zrozumieć wymagania, pominąć nietypowy przypadek albo zaproponować rozwiązanie niepasujące do wersji biblioteki. Nawet przechodzący test bywa niewystarczający, jeśli sprawdza tylko scenariusz, który agent sam założył.
Dostęp do narzędzi zwiększa zarówno możliwości, jak i odpowiedzialność. Praca na kopii projektu pozwala ograniczyć skutki pomyłki. Bezpośredni dostęp do produkcyjnej bazy danych czy panelu klienta wymaga znacznie staranniejszej kontroli. Sekrety, pliki klientów i konta usługowe powinny być udostępniane wyłącznie w zakresie potrzebnym do zadania.
Producenci opisują mechanizmy uprawnień, sandboxingu i zatwierdzania działań, lecz ich ustawienie pozostaje istotną częścią wdrożenia narzędzia. Trzeba również uwzględnić prompt injection, czyli próbę podsunięcia agentowi niepożądanych instrukcji w odczytywanej treści. Więcej w dokumentacji bezpieczeństwa Claude Code, zabezpieczeń Codexa oraz uprawnień Antigravity.
Lokalnie uruchomiona aplikacja nie oznacza automatycznie lokalnego przetwarzania całego kodu. Przy korzystaniu z modeli chmurowych trzeba sprawdzić, jakie dane trafiają do dostawcy, jak długo są przechowywane i jakie warunki obowiązują dla danego planu. W projekcie klienta powinno to wynikać z przyjętych zasad dostępu do informacji.
Koszty: abonament to tylko część rachunku
Nie ma jednej stałej ceny „za napisanie strony przez AI”. Na zużycie wpływają m.in. wybrany model, rozmiar analizowanego kontekstu, długość pracy i liczba równoległych zadań. Dostęp abonamentowy może mieć limity, a dodatkowe wykorzystanie bywa rozliczane osobno.
Przed wyborem warto sprawdzić zasady rozliczania Claude Code, aktualne plany OpenAI i limity Antigravity. Porównanie samych opłat miesięcznych niewiele mówi, jeśli jeden projekt wymaga krótkich poprawek, a drugi długiej analizy całego systemu.
Praktyczny test to wykonanie kilku typowych zadań: poprawki błędu, nowej sekcji i integracji. Warto policzyć łącznie czas pracy agenta, zużycie limitu, czas przeglądu oraz poprawki. Dopiero wtedy można ocenić koszt uzyskania zmiany gotowej do wdrożenia.
Które narzędzie wybrać i czy można korzystać z kilku?
Jeśli zespół pracuje głównie w terminalu, naturalnym punktem wyjścia będzie sprawdzenie CLI i współpracy z istniejącymi skryptami. Gdy ważna jest ocena wyglądu strony, większą wagę mają przeglądarka i podgląd efektów. Przy dłuższych zadaniach wykonywanych poza komputerem programisty warto porównać środowiska zdalne oraz sposób odbierania wyników.
Można używać Claude Code, Codexa i Antigravity przy tym samym projekcie. Podstawą jest wspólne repozytorium, aktualna dokumentacja i jednoznaczny podział prac. Agent rozpoczynający zadanie powinien poznać aktualny stan kodu oraz decyzje zespołu. Nie należy zakładać, że automatycznie zna historię rozmów z innego programu.
Przy pracy równoległej warto używać osobnych gałęzi lub katalogów roboczych Git. Dzięki temu kilka narzędzi nie zapisuje jednocześnie zmian w tych samych plikach. Drugi agent może pomóc w przeglądzie pierwszej wersji, ale nie zastępuje testów i decyzji osoby odpowiedzialnej za wdrożenie.
Dodaj filtr miasta w istniejącej ofercie inwestycji. Zachowaj obecny układ i adresy podstron. Uwzględnij brak wyników oraz wyczyszczenie filtra. Sprawdź widok mobilny i obsługę klawiaturą. Na koniec pokaż zmienione pliki, wyniki kontroli i elementy, których nie udało się zweryfikować.
Co programowanie z AI oznacza dla firmowej strony?
Najbardziej użyteczny efekt to możliwość sprawniejszego rozwijania serwisu wraz z potrzebami firmy. Dobrze przygotowany projekt, jasny zakres zmiany i dostępne testy pozwalają wykorzystać potencjał agentów przy zachowaniu kontroli nad rezultatem.
W G2 TEAM łączymy projektowanie interfejsów z technologią i marketingiem. Przy rozwoju strony liczy się dla nas zarówno sposób wykonania funkcji, jak i jej rola: czy ułatwia poznanie oferty, kontakt lub zakup. Jeśli planujesz nowy serwis albo rozbudowę obecnego, zobacz naszą ofertę tworzenia stron internetowych i stron opartych na headless CMS lub porozmawiaj z nami o projekcie.
