A resposta curta: em junho de 2026, Claude Code ainda lidera para tarefas complexas, Codex CLI lidera em velocidade bruta, e Grok Build é o mais interessante de acompanhar — mas não a escolha padrão agora. Se você precisa decidir hoje, essa é a hierarquia.

Mas o motivo importa tanto quanto o resultado. A xAI construiu algo genuinamente diferente dos outros dois, e entender por que o Grok Build ainda não chegou lá ajuda a calibrar quando ele vai chegar.

O que é Grok Build e o que a xAI prometeu

A xAI lançou o Grok Build em beta em maio de 2026 como um agente de código CLI que roda direto no terminal, na mesma linha do Claude Code e do Codex CLI da OpenAI. A proposta central é diferente: em vez de um agente único gerenciando o problema de forma sequencial, o Grok Build pode rodar até 8 subagentes em paralelo, cada um seguindo um ciclo Plan → Search → Build.

O modelo por baixo é o grok-code-fast-1, construído do zero e separado do Grok 4, com treinamento pesado em código e pós-treinamento focado em pull requests reais de projetos open source. Via API, o preço é US$0,20 por milhão de tokens de entrada.

Dois recursos chamam atenção desde o lançamento.

O primeiro é o Arena Mode: uma camada de avaliação automática onde o sistema gera múltiplas soluções concorrentes, puntua cada uma, e entrega a melhor antes de você ver qualquer output. Você recebe um resultado já filtrado, sem precisar comparar opções manualmente.

O segundo é a arquitetura local-first: o código-fonte não é transmitido para os servidores da xAI durante a execução. Para quem trabalha em empresa com código proprietário ou restrições de compliance, esse detalhe pode ser decisivo.

Benchmarks, preço e a distância real entre os três

O SWE-Bench Verified é o benchmark padrão da indústria para agentes de código. Ele mede a capacidade de resolver issues reais do GitHub de forma autônoma, sem dicas. Os números de junho de 2026:

Uma diferença de 17 pontos percentuais não é cosmética. Em tarefas de refatoração multiarquivo, geração de testes com contexto real do projeto, e debugging de pipelines complexas, essa margem aparece consistentemente na prática, não só nos benchmarks.

O custo torna a escolha ainda mais óbvia pra maioria: Grok Build requer assinatura de US$300/mês pra acessar o beta, enquanto Claude Code está incluído no plano Claude Pro a US$20/mês. Quem precisa de uma ferramenta de agente de código agora não vai querer pagar 15x mais por um produto em beta com benchmark mais baixo.

Arena Mode e os 8 subagentes: diferencial real ou só marketing?

Essa é a parte mais interessante do Grok Build e também a mais difícil de avaliar com os dados disponíveis.

A ideia dos subagentes paralelos é tecnicamente sólida. Em vez de um agente iterando sequencialmente numa solução, você tem múltiplos agentes explorando abordagens diferentes ao mesmo tempo. O Arena Mode filtra o output: você recebe a melhor solução candidata, não a primeira.

Mas olha só que detalhe: você perde visibilidade do raciocínio. Claude Code e Codex CLI exibem o pensamento do agente em tempo real: você vê o que está sendo feito, pode interromper, corrigir a direção, e aprender com o processo. Com Arena Mode, você recebe um resultado pronto, filtrado automaticamente. Conveniente, mas opaco.

Pra tasks de análise de codebase ampla onde você quer cobertura rápida, a arquitetura de múltiplos agentes tem potencial real. A questão é que, com 70.8% no SWE-Bench, o modelo subjacente ainda não sustenta a promessa de qualidade em tarefas complexas — 8 agentes medianos não somam um agente excelente.

Claude Code: por que ainda lidera em confiabilidade

O Claude Code chegou a 87.6% no SWE-Bench Verified com Opus 4.7. Mas o que diferencia na prática vai além do número.

Modo Plan antes de agir. Antes de qualquer mudança no projeto, você pode pedir que o Claude Code descreva o que vai fazer e aguarde confirmação. É transparência no processo, o oposto do black-box do Arena Mode:

# Acionar o modo Plan no Claude Code
claude --mode plan

# O agente descreve as mudanças planejadas e aguarda
# aprovação antes de editar qualquer arquivo

Compreensão de codebase inteiro. Com janela de contexto longa e leitura de múltiplos arquivos antes de agir, o Claude Code raramente faz mudanças que quebram dependências em outros pontos do código. Isso é fundamental em projetos reais com anos de acúmulo e arquitetura distribuída.

Ecossistema maduro. Integração com MCP (Model Context Protocol), hooks para automação de workflow, e documentação consolidada. Se você quer otimizar o consumo e economizar tokens, existem estratégias documentadas e testadas em produção. Coisa que o Grok Build, ainda em beta, ainda não tem.

Onde Claude Code não é perfeito: é mais lento que Codex CLI em tasks simples e lineares, e o consumo de tokens pode escalar se você não gerenciar o contexto. Mas pra desenvolvimento real de software, com histórico de projeto, dependências cruzadas e necessidade de confiabilidade, é a escolha mais madura disponível hoje.

Qual escolher dependendo do seu perfil

Você desenvolve em C#/.NET e quer o melhor agente para trabalho real agora: Claude Code. A comparação com GitHub Copilot já mostra por que o Claude Code ganha em tasks multiarquivo; contra o Grok Build, a vantagem de benchmark é ainda maior.

Você quer velocidade máxima em tasks diretas e já usa OpenAI: Codex CLI. 88.7% no SWE-Bench e integrado ao ecossistema que você provavelmente já paga.

Você quer experimentar o Grok Build: faz sentido se você tem acesso pelo X Premium Plus sem custo adicional. Arena Mode é uma experiência diferente e a arquitetura de subagentes pode surpreender em certos tipos de task. Mas não substitua Claude Code ou Codex CLI por ele ainda.

E uma coisa independe da ferramenta: depender cegamente de qualquer agente de código vai te falhar. Você ainda precisa entender o código que o agente gerou. Isso vale para o Claude Code, para o Grok Build, e para tudo que vier depois.

Onde fica essa corrida no segundo semestre de 2026

A xAI entrou com ideias genuinamente novas: subagentes paralelos, Arena Mode, e local-first são diferenciais reais que vão forçar Anthropic e OpenAI a responder. A pressão competitiva é boa pro ecossistema todo.

Mas lançar com 70.8% de SWE-Bench enquanto os concorrentes estão na faixa de 87-88% é uma desvantagem concreta. O Grok Build é a ferramenta a monitorar para o segundo semestre. Não a escolha padrão agora.

Benchmarks SWE-Bench Verified e preços referentes a junho de 2026. Dados: xAI Grok Build announcement e benchmarks públicos do SWE-Bench Verified.