Was sie gemeinsam haben
Cursor Cloud Agents (früher Background Agents) [1], Claude Code on the web [4], OpenAI Codex cloud [5] und GitHub Copilot cloud agent — den GitHub zuvor coding agent nannte [7] — teilen eine gemeinsame Form. Jeder läuft in einer isolierten Cloud-Umgebung mit einer Kopie deines Repositorys, arbeitet an einem eigenen Branch und liefert Änderungen zur Überprüfung zurück. Die Unterschiede liegen darin, wo du sie startest, wie sie abrechnen und wie viel Kontrolle du über die Umgebung hast.
Zuletzt geprüft: 3. Oktober 2026 · diese Produkte ändern sich monatlich
Die Vergleichstabelle
Jede Zelle verlinkt zur Dokumentation des jeweiligen Anbieters. Zuletzt geprüft am 3. Oktober 2026.
| Cursor Cloud Agents | Claude Code on the web | OpenAI Codex cloud | GitHub Copilot cloud agent | |
|---|---|---|---|---|
| Wo es läuft | Eine eigene Sandbox-VM pro Agent [1] | Eine Cloud-Umgebung pro Sitzung mit eigenem Netzwerk und eigenen Einrichtungseinstellungen [4] | Eine OpenAI-Cloud-Umgebung mit deinen Repos und Tools [5] | Eine kurzlebige, von GitHub Actions betriebene Umgebung [7] |
| Wege, es zu starten | Cursor Desktop, Web, iOS, Slack, GitHub/Bitbucket, Linear, API [1] | Browser, die Claude-Mobil-App, die Desktop-App (Cloud auswählen), Slack, das Terminal (claude --cloud) und Routinen [4] | Web, die Desktop-App, Mobilgeräte und die Codex-CLI [5] | GitHub-Issues, Copilot Chat, Slack und Teams [7] |
| Issue-Tracker | Linear (an @Cursor zuweisen), GitHub-Issues [8] | Auf der Cloud-Seite nicht dokumentiert [4] | GitHub, GitLab (Beta), Linear-Integrationen laut Dokumentation [5] | GitHub-Issues; Linear-, Jira- und Azure-Boards-Integrationen laut Dokumentation [7] |
| Parallele Läufe | "So viele Agenten, wie du möchtest, parallel" [1] | Jeder --cloud-Befehl ist eine eigene Sitzung; teilt sich die Rate-Limits deines Kontos [4] | Innerhalb der Nutzungsgrenzen deines ChatGPT-Plans [6] | Jede zugewiesene Aufgabe läuft als eigene Sitzung und nutzt Actions-Minuten und KI-Credits [7] |
| Was es zurückliefert | Einen PR mit Screenshots, Videos und Logs [3] | Einen Branch/PR; kann CI-Fehler und Review-Kommentare automatisch beheben [4] | Ergebnisse zur Überprüfung; du committest oder öffnest einen PR [5] | Änderungen auf einem Branch; optional ein PR [7] |
| Abrechnung | "API-Preise für das ausgewählte Modell" [1] | In Pro-, Max-, Team- und berechtigten Enterprise-Plänen enthalten; teilt sich die Rate-Limits deines Plans; "keine separaten Rechenkosten für die Cloud-VM" [4] | In ChatGPT-Plänen enthalten, geteilte Nutzungsgrenzen [6] | GitHub-Actions-Minuten plus KI-Credits [7] |
| Umgebungseinrichtung | Repos, Secrets und Netzwerkzugriff pro Umgebung [1] | Netzwerkzugriff, Umgebungsvariablen, Setup-Skripte [4] | Cloud-Umgebungen, Internetzugriff, Umgebungsvariablen und Secrets [5] | Führt deine Tests und Linter in seiner Actions-gesteuerten Umgebung aus [7] |
Was die Forschung sagt
Die bisher beste öffentliche Evidenz ist eine Studie mit 7.156 Pull Requests von fünf Agenten — OpenAI Codex, GitHub Copilot, Devin, Cursor und Claude Code — im AIDev-Datensatz, erstmals veröffentlicht im Februar 2026. [9] Das zentrale Ergebnis ist, dass der Aufgabentyp wichtiger ist als der Agent: Dokumentationsaufgaben wurden zu 82,1 % akzeptiert, gegenüber 66,1 % bei neuen Funktionen. Codex zeigte durchgehend hohe Akzeptanz über alle Aufgabenkategorien hinweg (59,6 %–88,6 %), "allerdings schneidet kein einzelner Agent bei allen Aufgabentypen am besten ab: Claude Code führt bei Dokumentation (92,3 %) und Funktionen (72,6 %), während Cursor bei Fehlerbehebungen (80,4 %) überzeugt." [9]
Betrachte das als Momentaufnahme. Die Akzeptanz hängt auch davon ab, wer jeden Agenten wofür einsetzt, und jedes dieser Produkte hat seit der Datenerhebung neue Modelle veröffentlicht.
Wie du wählst
Nach dem Arbeitsort deines Teams
Schon in Cursor unterwegs? Cursor Cloud Agents. Im Terminal mit Claude? Claude Code on the web. In ChatGPT? Codex. Lebst du in GitHub-Issues? Copilot cloud agent.
Nach Abrechnungsmodell
API-Preise pro Token (Cursor), enthalten in einem Chat-Abo mit geteilten Limits (Claude, Codex), oder Actions-Minuten plus Credits auf einem GitHub-Plan (Copilot).
Nach Kontrolle über die Umgebung
Wie viel du konfigurieren musst — Setup-Skripte, Secrets, Netzwerkzugriff, mehrere Repos — und wer im Team das pflegen wird.
Nach Issue-Tracker
Wenn dein Team in Linear plant, prüfe, wie jeder Agent dort Arbeit aufnimmt — siehe die Tabelle.
Tools kombinieren
Eine Kombination ist in Ordnung, aber jedes Tool hat seine eigene Konfiguration — Regeldateien, Hooks, Umgebungseinrichtung. Halte die gemeinsamen Teile im Repository, nicht in einem einzelnen Tool: Tests, Pre-Commit-Checks und eine AGENTS.md, die alle lesen. So übernimmt ein neues Tool deine Standards vom ersten Tag an. Mehr dazu in unserem Guide zu sofortigem Feedback für Coding-Agenten.
Wo Aerunit ansetzt
Um klarzustellen, wo wir stehen: Aerunit übergibt Aufgaben heute an Cursor Cloud Agents, und nur an Cursor Cloud Agents. Wenn eines der anderen Tools besser zu deinem Team passt, nutze es.
Wenn du dich für Cursor entscheidest, fügt Aerunit eine Ebene darüber hinzu. Es schreibt die Storys und liest dabei jedes Repository, das eine Story betrifft. Es folgt Linears blocks-/blocked-by-Beziehungen und reiht das nächste Issue ein, sobald der PR seines Blockers gemergt ist. Es überprüft jeden Agent-PR und kann Ergebnisse an die Sitzung zurückmelden. Und es zeigt jede laufende Sitzung in einer Liste, jeweils verlinkt mit ihrem Linear-Issue. Mehr dazu in unserem Guide zu Cursor-Background-Agents.
Heute Cursor
Aerunit funktioniert nur mit Cursor Cloud Agents.
Zusätzlich zu Cursor
Storys, abhängigkeitsbewusste Zuweisung und automatische PR-Überprüfung.
Nach Workflow wählen
Wähle den Agenten, der zu deinem bestehenden Arbeitsumfeld passt — Tracker, Repo-Hoster, Chat.
Häufige Fragen
Welcher Cloud-Coding-Agent ist der beste?
Keiner gewinnt überall. Eine Studie mit 7.156 Agent-Pull-Requests ergab, dass der Aufgabentyp wichtiger war als der Agent und dass kein einzelner Agent bei allen Aufgabentypen am besten abschnitt. Wähle danach, wo dein Team bereits arbeitet, wie du bezahlen möchtest und wie viel Kontrolle du über die Umgebung brauchst. [9]
Kann ich mehrere gleichzeitig nutzen?
Ja. Sie funktionieren alle über Git und Pull Requests. Halte die gemeinsamen Teile — Tests, Pre-Commit-Checks, AGENTS.md — im Repository, damit jedes Tool denselben Regeln folgt.
Funktioniert Aerunit mit all diesen Tools?
Nein. Aerunit funktioniert derzeit nur mit Cursor Cloud Agents. Die anderen sind hier aufgeführt, damit du eine faire Wahl treffen kannst.
Quellen
- [1]Cursor Docs — Cloud Agents
- [2]Cursor Docs — Automations
- [3]Cursor Docs — Cloud Agent capabilities
- [4]Claude Code Docs — Claude Code on the web
- [5]OpenAI Developers — Codex Cloud
- [6]OpenAI Developers — Codex pricing
- [7]GitHub Docs — About Copilot cloud agent
- [8]Linear Changelog — Cursor background agents
- [9]Pinna et al. — Comparing AI Coding Agents: A Task-Stratified Analysis of Pull Request Acceptance