Pada DevDay tanggal 29 September, OpenAI menyampaikan bahwa para pengembang “dapat menjalankan Codex di mana pun mereka membutuhkannya: di komputer, dari jarak jauh lewat ponsel, atau di cloud dari perangkat apa pun.” Kalimat dalam rekap DevDay yang paling penting bagi sebuah tim adalah kalimat berikutnya: lingkungan pengembangan yang dapat digunakan kembali “membantu task dimulai dengan cepat dan memberi tim Anda penyiapan bersama dengan pengaturan serta izin yang telah disetujui.” Codex cloud tersedia untuk paket Plus, Pro, Business, Healthcare, Education, dan Enterprise.
Bagi seorang pengembang mandiri, hal tersebut langsung menjawab kebutuhan. Namun bagi tim yang sudah menjalankan Claude Code di workstation, Codex di build server, dan Gemini di laptop seseorang, opsi ini menambah satu tempat lagi. Pekerjaan kini dapat dimulai di cloud OpenAI, di perangkat keras Anda sendiri, maupun dari ponsel saat berada di kereta—dan setiap tempat menyimpan daftar eksekusinya masing-masing. Memantau agent mana yang menangani apa, apa yang sudah selesai, dan apa yang sedang menunggu peninjauan kini membutuhkan satu tempat pemeriksaan tambahan. Jadi, pertanyaan yang sesungguhnya bukanlah “cloud atau lokal?”, melainkan pekerjaan mana yang cocok di mana, dan di mana catatan pekerjaan tersebut tersimpan.
TL;DR
Codex cloud merupakan pilihan yang lebih tepat untuk pekerjaan Codex yang harus dimulai dengan cepat, terus berjalan saat laptop Anda dalam mode tidur, atau diinisiasi dari ponsel, serta bagi tim yang menginginkan satu konfigurasi terverifikasi alih-alih setiap orang menyiapkan host-nya masing-masing. Computer milik Anda sendiri lebih unggul ketika sebuah task memerlukan Claude Code atau Runtime non-Codex lainnya, perangkat keras di luar kapasitas VM bawaan paket Anda, atau hal-hal yang saat ini belum didukung menurut dokumentasi lingkungan cloud OpenAI: repositori GitLab, penggunaan browser, maupun layanan privat yang diakses melalui SSH atau protokol basis data. Tak satu pun dari kedua pilihan tersebut menentukan siapa yang menugaskan pekerjaan atau siapa yang menyetujuinya. Hal itu tetap menjadi wewenang tim, dalam sebuah Task.
Apa yang ditawarkan oleh lingkungan Codex cloud
Lingkungan cloud, menurut dokumentasi OpenAI, “merupakan konfigurasi siap pakai yang digunakan oleh berbagai task: repositori, dependensi, alat, dan pengaturan akses.” Anda memilih repositori GitHub, lalu Codex akan memeriksanya, memasang dependensi dan alat, menguji alur kerja, serta meminta masukan untuk hal apa pun yang tidak dapat disimpulkannya sendiri. Anda cukup meninjau laporan penyiapan lalu memublikasikannya. Setiap task baru kemudian akan dimulai dari sistem berkas yang dipublikasikan tersebut di dalam ruang kerjanya yang terisolasi, dan task “dapat terus berjalan saat komputer Anda dalam mode tidur.”
Model aksesnya dirancang jauh lebih cermat ketimbang skrip instalasi yang langsung ditempeli token. Variabel lingkungan diteruskan langsung ke program. Kredensial jaringan sama sekali tidak pernah menyentuh proses: program hanya menerima placeholder, dan sebuah proxy akan menggantikannya dengan kredensial asli khusus untuk tujuan HTTPS yang diizinkan. Akses internet adalah pengaturan yang Anda aktifkan lalu batasi, baik menggunakan preset package-manager maupun daftar domain kustom. Layanan privat dapat dijangkau melalui VPN, dengan Tailscale sebagai penyedia yang didukung saat ini, dan ruang kerja Enterprise dapat meminta koneksi OIDC untuk kredensial cloud berumur pendek (short-lived).
Memulai pekerjaan pun sama fleksibelnya. Ringkasan di Codex Cloud overview mencantumkan web, aplikasi desktop, perangkat seluler, serta Codex CLI, dan ruang kerja Enterprise dengan delegasi Cloud dapat memulai task dari @ChatGPT di Slack atau Microsoft Teams. Lingkungan Enterprise dapat dibagikan ke seluruh ruang kerja, sehingga rekan tim yang baru bergabung bisa langsung bekerja dari konfigurasi yang sudah disetujui tanpa perlu menyiapkannya dari awal. Untuk pekerjaan berbasis Codex, ini mengeliminasi masalah perbedaan konfigurasi (setup drift).
Lini produk OpenAI sendiri memperlakukan penempatan eksekusi sebagai pilihan per beban kerja (workload), bukan satu solusi tunggal. Masing-masing Dots mendapatkan cloud computer tersendiri, dan Agents API dapat menggunakan lingkungan yang di-host oleh OpenAI maupun self-hosted, seperti yang telah kami bahas dalam siapa yang menjalankan agent. Kini Codex juga dapat berjalan di kedua opsi tersebut.
Apa yang ditawarkan oleh Sharkly Computer
Computer adalah perangkat, server, atau kontainer terhubung tempat sebuah Agent dapat menjalankan pekerjaan. Mengutip dokumentasi Sharkly Computers, fitur ini “menyediakan sistem operasi, berkas, kredensial, akses jaringan, dan alat yang dibutuhkan oleh Agent.” Sebuah layanan lokal ringan akan mendaftarkannya, mendeteksi Runtime yang terpasang, menerima antrean eksekusi (run), dan menyiarkan perkembangannya kembali. Layanan ini membuka koneksi ke luar, sehingga konfigurasi pada umumnya tidak memerlukan port inbound terbuka.
Ada tiga karakteristik penting dalam perbandingan ini. Pertama, satu Computer dapat mengekspos beberapa Runtime. Sharkly mendukung Claude Code, Codex, Gemini, OpenCode, OpenClaw, dan Hermes; sebuah ACP Runtime kustom dapat mengakomodasi alat yang tidak terdeteksi oleh layanan lokal; serta satu Computer dapat melayani beberapa Agent. Kedua, isolasi berlaku per Task. Dalam mode Temporary, setiap Task mendapatkan direktori terisolasi, dan eksekusi berbasis repositori dapat menggunakan worktree baru—inilah cara agent paralel menghindari konflik merge. Dalam mode Specified, eksekusi menggunakan kembali direktori lokal yang sudah dikonfigurasi beserta dependensi, cache, dan layanan lokal yang telah tersedia, satu eksekusi dalam satu waktu. Ketiga, kredensial sepenuhnya milik Anda: Agent membawa variabel lingkungan biasa dan rahasia, setiap eksekusi hanya menerima lingkungan serta kredensial yang diizinkan baginya, dan Computer dengan visibilitas Personal hanya tetap dapat diakses oleh pemiliknya.
Konsekuensi wajarnya adalah pengelolaan host juga berada di tangan Anda. Jika sebuah Computer offline, eksekusi baru akan menunggu hingga Computer terhubung kembali. Aplikasi desktop dapat mencegah mode tidur, dan di macOS tetap berjalan saat layar laptop ditutup jika sistem mengizinkannya, namun eksekusi jangka panjang tanpa pengawasan lebih tepat dijalankan di server yang Anda kelola sendiri, sebagaimana yang kami paparkan dalam menjalankan coding agent dari jarak jauh. Skema biayanya tetap tidak berubah: Computer dan Runtime tidak memakan kuota lisensi pengguna (seat) pada paket Sharkly, Sharkly tidak menjual token, dan Codex Agent menggunakan paket ChatGPT atau API key apa pun yang digunakan saat login di Codex CLI-nya.
Codex cloud atau Computer sendiri: tabel perbandingan keputusan
Setiap entri Codex cloud di bawah ini bersumber dari dokumentasi lingkungan cloud OpenAI per 30 September. Entri Computer bersumber dari dokumentasi Sharkly.
| Kebutuhan pekerjaan | Pilihan yang lebih cocok | Alasannya |
|---|---|---|
| Perbaikan bug yang dimulai dari ponsel saat laptop tertutup | Codex cloud | Task dapat dimulai dari perangkat seluler dan terus berjalan saat komputer Anda dalam mode tidur |
| Satu konfigurasi terverifikasi untuk setiap rekan tim | Codex cloud (dibagikan dalam ruang kerja Enterprise) | Satu lingkungan yang dipublikasikan; setiap task tetap mendapatkan ruang kerjanya masing-masing |
| Tanpa perlu mengelola host | Codex cloud | Codex yang menyiapkan, menguji, dan menjalankan lingkungannya |
| Claude Code, Gemini, OpenCode, atau Runtime non-OpenAI lainnya | Computer Anda sendiri | Satu Computer dapat menampung beberapa Runtime secara berdampingan |
| Penggunaan komputer atau browser di dalam task | Computer Anda sendiri | Dokumentasi mencatat bahwa penggunaan komputer dan browser belum didukung di lingkungan cloud |
| Repositori di GitLab atau GitHub Enterprise Server | Computer Anda sendiri | Juga tercantum sebagai batasan cloud saat ini |
| SSH, protokol basis data native, atau DNS privat | Computer di dalam jaringan tersebut | VPN cloud menangani HTTP dan HTTPS melalui IPv4, tanpa DNS privat, SSH, atau protokol basis data native |
| Perangkat keras khusus, atau melebihi spesifikasi VM default | Computer Anda sendiri, atau permintaan khusus Enterprise | Spesifikasi default adalah 2 vCPU, memori 8 GiB, disk 8 GiB pada Plus; 4 vCPU, 16 GiB, 32 GiB pada Pro, Business, dan Enterprise. Spesifikasi kustom atau yang lebih besar diajukan melalui tim akun OpenAI |
| Repositori berskala sangat besar dengan state lokal yang berat | Computer lokal, mode Specified | Menggunakan kembali direktori yang sudah ada tanpa perlu menyiapkan salinan baru |
| Skill yang hanya ada di laptop Anda | Computer Anda sendiri | Skill lokal pribadi tidak disinkronkan ke lingkungan cloud; skill tingkat repositori yang disinkronkan |
Pahami ini sebagai pasangan pertimbangan keputusan. Gunakan Codex cloud jika task merupakan pekerjaan Codex, dependensinya bersifat publik atau dapat dijangkau lewat HTTPS yang masuk daftar izin (allowlist), dan orang yang memulainya sedang tidak berada di meja kerja. Gunakan Computer Anda sendiri jika task membutuhkan Runtime, perangkat keras, atau jaringan tertentu yang Anda pilih atas alasan khusus.
Ada satu baris yang sengaja ditiadakan: “data yang tidak boleh keluar dari jaringan kami.” Menjalankannya di Computer milik Anda sendiri memang menjaga repositori, cache, dan kredensial rahasia tetap berada di perangkat keras yang Anda kendalikan. Namun, hal itu tidak mencegah prompt terkirim ke penyedia model, karena apa pun yang dikirim Runtime ke modelnya tetap akan keluar dari jaringan. OpenAI menarik batasan yang sama untuk produknya sendiri: dokumentasi Agents API menyatakan bahwa “memilih sandbox self-hosted tidak membuat Agents API memenuhi syarat ZDR.” Penempatan eksekusi menentukan di mana kode dan kredensial berada. Kebijakan retensi data adalah kontrak terpisah dengan penyedia model Anda.
Penempatan campuran: alasan pentingnya papan kontrol
Sebagian besar tim akan memanfaatkan keduanya. Perbaikan cepat via Codex dimulai dari ponsel ke lingkungan cloud, sedangkan migrasi yang memerlukan basis data staging dijalankan sebagai Agent di Computer di dalam jaringan. Pembagian ini sangat masuk akal, tetapi menghasilkan dua daftar pekerjaan yang terpisah.
Codex cloud sengaja dirancang untuk memisahkan setiap task: akses ke konfigurasi bersama, menurut dokumentasi, “tidak memberikan akses ke task milik orang lain.” Ini adalah setelan default yang tepat untuk privasi. Namun, ini juga berarti konfigurasinya terbagi bersama sementara pekerjaannya tidak, sehingga pertanyaan “apa yang sedang dikerjakan oleh agent tim saat ini?”, di seluruh task cloud maupun Computer, harus dijawab di tempat lain. Rumuskan aturan peruteannya terlebih dahulu:
Where does this Task run?
1. Needs a non-Codex Runtime -> Agent on a Computer
2. Needs SSH, a database protocol, or private DNS -> Computer inside that network
3. Needs GitLab, GitHub Enterprise Server, or browser use -> Computer
4. Codex work, allowlisted HTTPS, started away from a desk -> Codex cloud
5. Someone must accept the result -> a Task with an Assignee and a reviewer, wherever it ran
Aturan kelima adalah kunci agar pembagian ini tetap mudah dikelola. Di Sharkly, Task berfungsi sebagai pusat catatan: kemajuan, log eksekusi, kendala (blocker), dan hasil akhir dikembalikan ke dalamnya, sementara eksekusi yang menunggu peninjauan manusia akan masuk ke Inbox pihak yang bertanggung jawab. Codex Agent dan Claude Code Agent di Computer yang sama melapor ke papan yang sama, masing-masing mengikuti model yang dikonfigurasikan pada Runtime-nya. Untuk pekerjaan yang berjalan di Codex cloud, penghubungnya adalah pull request: cantumkan ID Task pada nama branch atau judul PR, dan integrasi GitHub Sharkly akan menautkan PR tersebut kembali ke Task terkait, sehingga proses persetujuan tetap terpusat di satu tempat. Ulasan kami mengenai eksekusi agent yang berlangsung lebih lama dari jam kerja Anda membahas aspek peninjauan untuk tugas-tugas panjang tanpa pengawasan.
Agent bertugas meneliti, mengeksekusi, menguji, dan melaporkan. Manusialah yang menentukan arah, memberikan wewenang, dan menyetujui hasilnya. Prinsip kesepakatan tersebut tidak berubah, di mana pun eksekusi tersebut berlangsung.
Kesimpulan bagi penyiapan sistem Anda
Codex cloud adalah jawaban tepat untuk pertanyaan “di mana sebaiknya Codex dijalankan?” Namun, layanan ini tidak dirancang untuk menjawab “agent mana dari setiap Runtime yang sedang mengerjakan apa, dan siapa yang menyetujuinya?” Tetap gunakan Computer untuk tugas-tugas yang memerlukan Runtime, perangkat keras, atau jaringan Anda; serahkan pekerjaan yang dimulai dari ponsel atau saat laptop tertutup ke Codex cloud; dan satukan dokumentasi keduanya dalam satu catatan terpusat.
Jika Anda ingin tetap menggunakan beberapa coding agent alih-alih terpaku pada satu ekosistem saja, itulah masalah yang dirancang untuk diselesaikan oleh Sharkly.
