Codex Security di OpenAI: cos'è, come si usa e quanto costa

Codex Security è l'agente di sicurezza applicativa di OpenAI: legge il tuo repository, cerca vulnerabilità, prova a riprodurle in un container isolato e ti propone la patch da revisionare. Dal 29 settembre 2026 la versione Cloud scansiona i repository GitHub anche quando il portatile è chiuso e include di default i modelli "cyber" di Daybreak Blue.

Qui trovi cos'è, chi può usarlo, quanto costa, come attivarlo e i limiti che controllerei prima di fidarmi.

Cos'è Codex Security in breve

Codex Security non è un singolo prodotto. Nella documentazione ufficiale compare in quattro forme, che fanno lo stesso lavoro in posti diversi:

• Plugin: si installa nell'app desktop di ChatGPT e apre una "Security workbench" dove vedi le segnalazioni.
• CLI: il pacchetto npm @openai/codex-security, open source con licenza Apache-2.0, per lanciare le scansioni dal terminale o in CI.
• SDK TypeScript: per integrare le scansioni in strumenti interni e dashboard.
• Cloud: un plugin che scansiona i repository GitHub collegati in un ambiente cloud, ancora in research preview.

Il principio è sempre lo stesso. Il modello costruisce un threat model del progetto, ordina i problemi più probabili e poi tenta di riprodurli. Solo le segnalazioni riprodotte vengono marcate come validate.

È lo stesso approccio che avevo raccontato per lo scanner di Claude Code Security, ma con un ecosistema diverso: qui tutto ruota intorno a ChatGPT, Codex e GitHub.

Cosa cambia con Codex Security Cloud e Daybreak Blue

L'aggiornamento annunciato al DevDay del 29 settembre 2026 riguarda la versione Cloud. In pratica le novità sono tre.

Scansione continua dei commit

Puoi scegliere tra una scansione singola dell'intero repository oppure la Continuous Scanning, che controlla il branch di default a ogni nuovo commit. Il lavoro gira nel cloud, quindi va avanti anche a computer spento.

Deduplica e patch pronte

Codex indaga ogni segnalazione e accorpa i duplicati prima di mostrarli. Per ogni problema vedi codice coinvolto, gravità, prove della validazione e indicazioni per correggerlo. Con "Fix with Codex" genera la patch e può aprire una pull request in bozza.

Daybreak Blue incluso, ma solo qui

Daybreak Blue è l'accesso ai modelli di OpenAI con capacità di cybersecurity pensati per i difensori: scoperta di vulnerabilità, triage, review sicura del codice, threat modeling, validazione delle patch.

Prima andava richiesto a parte. Ora è attivo di default dentro Codex Security Cloud.

Attenzione al dettaglio: l'accesso vale solo nel prodotto Cloud. Non ti sblocca Daybreak Blue nella CLI, nel plugin locale o nelle API.

Chi può usare Codex Security e quanto costa

Qui le fonti ufficiali non coincidono del tutto, quindi ti dico esattamente cosa c'è scritto.

• La pagina di supporto indica Codex Security come research preview per i piani ChatGPT Pro, Business, Enterprise ed Edu.
• Il riepilogo del DevDay presenta l'upgrade di Codex Security Cloud come disponibile per gli utenti Codex.
• Per la CLI e l'SDK serve comunque l'accesso alla beta.

Il consiglio pratico: apri Plugins in ChatGPT e cerca "Codex Security Cloud". Se lo vedi e puoi installarlo, il tuo piano è abilitato.

Sul prezzo: Codex Security Cloud usa una fatturazione a token. Chi era già cliente riceve un avviso e deve dare il consenso esplicito prima che parta l'uso a pagamento.

OpenAI non ha pubblicato un listino per scansione, quindi diffida di chi ti dà cifre precise.

Per avere i risultati migliori la documentazione consiglia un account verificato con Trusted Access for Cyber, il programma con cui OpenAI concede capacità di sicurezza più ampie ai difensori verificati.

Come attivare Codex Security Cloud in 5 passi

Prima di iniziare verifica che Codex cloud sia configurato per il tuo workspace. Poi:

1. Installa il plugin: in ChatGPT apri Plugins, cerca "Codex Security Cloud", installalo e attivalo.
2. Collega GitHub: scegli Scan e poi "Connect GitHub", concedendo l'accesso solo ai repository che vuoi analizzare.
3. Crea la scansione: seleziona il repository, controlla l'ambiente cloud (creato in automatico o personalizzato) e scegli tra One-Time Scan e Continuous Scanning.
4. Rivedi i risultati: nella scheda Findings filtri per gravità e stato (New, Triaged, In Progress) e vedi le prove di ogni problema.
5. Imposta il monitoraggio: da Repositories e poi Monitoring settings cambi ambiente, finestra della cronologia dei commit o metti in pausa.

Un dettaglio utile: una finestra di cronologia più lunga dà più contesto, ma la prima scansione dura di più. Su un progetto grande partirei da una finestra corta.

Ultimo passaggio che molti saltano: apri il threat model generato in Project context e correggilo. Se l'agente non sa quali dati sono sensibili e dove sono i confini di fiducia, le priorità che ti dà saranno sbagliate.

Codex Security CLI: installazione e comandi utili

Se preferisci il terminale o vuoi la scansione in pipeline, la CLI è la strada giusta. Requisiti: Node.js 22 o superiore e Python 3.10 o superiore per scansione ed esportazione.

npm install @openai/codex-security
npx codex-security login
npx codex-security scan /percorso/repo --dry-run
npx codex-security scan /percorso/repo

Il --dry-run controlla percorso e cartella dei risultati senza caricare credenziali né avviare il modello. La cartella di output deve stare fuori dal repository, così non sporchi il codice sorgente.

I comandi più utili

• --diff origin/main: analizza solo le modifiche di un branch o di una pull request.
• --knowledge-base /percorso/threat-model: aggiunge documenti di architettura e policy di sicurezza come contesto.
• --fail-on-severity high: fa fallire la pipeline se trova problemi gravi.
• npx codex-security install-hook: installa un hook pre-commit sulle modifiche locali.
• npx codex-security bulk-scan: scansiona più repository, anche da un file CSV.

In CI non serve il login interattivo: basta la variabile OPENAI_API_KEY o CODEX_API_KEY. I risultati si esportano in SARIF, CSV e JSON, quindi finiscono senza fatica nei tool di sicurezza che usi già.

Codex Security, Claude Code Security e i classici SAST

La domanda naturale è se questi agenti sostituiscono gli scanner tradizionali. La risposta ufficiale di OpenAI è no: Codex Security affianca gli strumenti SAST, aggiungendo ragionamento e validazione automatica.

• SAST classici: regole note, veloci, prevedibili. Ottimi per pattern ripetitivi, deboli sugli errori di logica.
• Codex Security: ragiona sul contesto, riproduce i problemi in un container isolato, lavora nell'ecosistema ChatGPT, Codex e GitHub.
• Claude Code Security: stesso tipo di approccio, ma dentro l'ecosistema Anthropic.

Sul linguaggio OpenAI dichiara che lo strumento è indipendente dal linguaggio, ma che i risultati dipendono da quanto il modello ragiona bene su quel linguaggio e quel framework.

Tradotto: su uno stack molto diffuso andrà meglio che su un framework di nicchia.

I limiti da conoscere prima di fidarti

• Solo GitHub: la documentazione parla esclusivamente di repository GitHub. Se lavori su GitLab o Bitbucket, oggi la versione Cloud non fa per te.
• Research preview: funzioni, piani e limiti possono cambiare. Nei forum ufficiali ci sono segnalazioni di errori nel salvataggio delle configurazioni di scansione.
• Nessun dato pubblico di accuratezza: OpenAI non ha pubblicato tassi di falsi positivi o di qualità delle patch. Vanno misurati sul tuo codice.
• Il codice va nel cloud: se lavori per clienti con NDA o dati personali, verifica contratto e impostazioni del workspace prima di collegare il repository.
• La review umana resta obbligatoria: le patch arrivano come proposta. Nessuna va in produzione senza che qualcuno la legga.

Ricordati anche che gli agenti di coding sono a loro volta una superficie d'attacco. Si è visto con la falla Plugin4Shell e con il worm npm Shai-Hulud: uno scanner non ti protegge da un agente configurato male.

Come lo imposterei in un progetto per un cliente

Lavoro ogni giorno con agenti AI, integrazioni e siti per aziende, e la regola che seguo con questi strumenti è semplice: prima il perimetro, poi l'automazione.

1. Repository di prova: parto da un repository interno o di test, mai dal gestionale del cliente al primo giro.
2. Accesso minimo a GitHub: concedo i permessi solo ai repository da analizzare.
3. Threat model scritto da me: correggo quello generato indicando dati sensibili, pagamenti, aree riservate.
4. Diff in pipeline: in CI uso la CLI con --diff e --fail-on-severity high, così blocco solo i problemi gravi senza rallentare il team.
5. Triage settimanale: decido chi guarda le segnalazioni e in quanto tempo si chiude una vulnerabilità critica.

Se l'agente deve girare anche in locale, lo isolo: per questo ho scritto la guida su Docker Sandbox per Claude Code e Codex e quella su NVIDIA OpenShell.

Se stai valutando quale modello OpenAI usare per il lavoro di tutti i giorni, trovi i conti in GPT-6.1 Sol: prezzi e novità.

Se vuoi portare agenti come questo nei processi della tua azienda con regole chiare su dati e permessi, trovi il mio approccio nella pagina automazione AI per aziende. Per un progetto concreto puoi scrivermi dalla pagina contatti.