同じFastAPIの課題を4体のエージェントに解かせたら──Mistral Vibe首位、Claude CodeとCodexが僅差で追う採点表
2026年7月14日公開の比較記事が、Mistral Vibe・Claude Code・Codex・Cursorを同じFastAPIの課題で5軸採点。首位はVibe22点、Claude CodeとCodexが21点。ただしこれは仕様に基づく能力比較で、実行結果ではない点に注意が要ります。
ひとつの現実的な課題で横並びにする試み
コーディングエージェントは種類が増え、どれを主力に据えるか迷いやすくなりました。2026年7月14日にMarkTechPostが公開した比較記事は、Mistral Vibe for Code・Claude Code・OpenAI Codex・Cursorの4つを、同じ開発課題を物差しにして5つの観点で採点しています。派手なベンチマーク競争ではなく、日々の開発に近い一連の作業でどう差がつくかを整理した内容です。
題材は、既存のPython/FastAPIサービスに /subscriptions エンドポイントを足す、というよくある実務タスクです。ルートとPydanticモデル、サービス層を適切なファイルに分けて足場を作り、単体テストと結合テストを生成して走らせ、失敗を直し、最後にプルリクエスト（PR）を開くところまでを一続きの流れとして見ています。「足場を組む → テストで回す → 出荷する」という3段階です。
5つの観点を1〜5点で採点した結果
採点は、足場作り・テスト反復・PR/非同期実行・対応面（動く場所の広さ）・コストと統制の5軸を各1〜5点で評価し、合計25点満点で並べたものです。結果は次のとおりでした。
| ツール | 足場作り | テスト反復 | PR/非同期 | 対応面 | コスト・統制 | 合計 |
|---|---|---|---|---|---|---|
| Mistral Vibe for Code | 4 | 4 | 4 | 5 | 5 | 22 |
| Claude Code | 5 | 5 | 5 | 4 | 2 | 21 |
| OpenAI Codex | 4 | 4 | 5 | 5 | 3 | 21 |
| Cursor | 4 | 3 | 3 | 3 | 3 | 16 |
首位はMistral Vibe for Codeで22点、僅差でClaude CodeとCodexが21点、Cursorが16点という並びです。注目したいのは、順位を分けたのが「コードを書く力そのもの」ではなく、その周辺の要素だった点です。
「書く力」ではなく「回りやすさ」で差がついた
各エージェントの得手・不得手は、軸ごとにはっきり分かれました。
Mistral Vibe for Code（首位・22点）
足場・テスト・PRのいずれも4点と手堅く、対応面とコスト・統制で満点を取って総合首位に立ちました。ターミナルのCLIからVS Code、JetBrains、Zed、Web、モバイル、バックグラウンド実行まで動く場所が広く、Pro版が月$14.99（学生は$5.99）と安いこと、CLIがApache 2.0のオープンソースであること、自己ホストや微調整、EU域内でのデータ保管に対応することが評価されました。一方で、基盤モデルの性能はフロンティアの最上位クローズドモデルには一歩譲り、レート制限まわりの不具合や、Windows対応がUNIX系に比べ遅れる点が弱みとして挙げられています。
Claude Code（21点）
足場・テスト・PRの3軸すべてで満点の5点をつけ、実行品質の高さが際立ちました。多数のライフサイクルフックやSkills、Plugins、サブエージェント、チェックポイントといった仕組みが揃い、大規模な作業でも実績があるとされます。弱点はコスト・統制の2点で、オープンな重みや自己ホストの選択肢がなく、規制業界向けのデータ保管地の指定もできないこと、そして料金が高くつきやすい点が指摘されました。
OpenAI Codex（21点）
PR/非同期で満点を取り、CLI・クラウド・アプリ・モバイルをまたいで作業状態を引き継げる点が強みです。7月9日に登場したGPT-5.6を3階層で使え、ネットワークを既定で切ったサンドボックスでテストを回せます。弱点は、5時間ごとのレート制限で本格的なリポジトリでは1時間ほどで枠を使い切ってしまう例があること、料金の変動幅が大きく見通しづらいことです。
Cursor（16点）
タブ補完や1ファイル単位の反復は「同種で最良」と評価される一方、足場作りからPRまでを自律で走らせる流れでは伸び悩み、総合では最下位でした。IDEを主戦場とする設計が、一気通貫の自動化には向きにくいという整理です。
採点表を鵜呑みにしない：これは「仕様の比較」である
この結果を読むうえで外せない前提があります。記事自身が明記しているとおり、これは公開済みの機能・ベンチマーク・ベンダー仕様に基づく能力比較であり、4体を実際に同じ課題へ走らせて時間や合格率を測ったものではありません。「どのエージェントもこのプロンプトに対して実行しておらず、実行時間や合格率の結果は主張しない」と断られています。
引用されるベンチマークも、SWE-bench VerifiedやSWE-Bench Pro、Terminal-Benchなど別々の試験の数字で、そのまま横並びに比べられるものではありません。コスト効率といったベンダー側の主張も、あくまで主張として扱われています。つまりこの表は「どれが一番強いか」の最終判定ではなく、選ぶ前に論点を整理するための地図と捉えるのが妥当です。過度に一つの順位へ寄りかからない姿勢が要ります。
導入判断へのヒント：軸を自社の事情に置き換える
実務では、5つの軸を自分たちの制約に読み替えるのが使いやすい方法です。生成コードの品質を最優先し、料金を許容できるならClaude Codeが候補になります。対応面の広さやデータ保管地・自己ホストの要件、そしてコスト圧縮を重視するならMistral Vibe for Codeが、CLIからクラウドまで状態を引き継ぐ非同期運用を重んじるならCodexが噛み合いやすい、という読み取りができます。CursorはIDEでの補完・小刻みな編集に強みが残ります。
採点で最も差がついたのがコストと統制の軸だった事実は、示唆的です。「書く力」がどれも一定水準に達しつつある今、選定の分かれ目は料金体系・レート制限・データの置き場所・オープン性といった運用条件に移りつつあります。ベンチマークの数点差より、こうした足回りが日々の使い勝手と請求額を左右する場面が増えそうです。導入前には、自社の代表的なタスクで小さく試し、枠の消費や実費を実測してから広げるのが堅実でしょう。
参照: Mistral Vibe for Code vs Claude Code vs Cursor vs Codex: Four Agents Scored on One Scaffold-to-PR Task（MarkTechPost） ／ Cursor, Claude Code, and Codex are merging into one AI coding stack nobody planned（The New Stack） ／ Mistral Vibe | AI coding agent for terminal, IDE（Mistral AI）
