なぜ大規模なPythonモノリスにおいてCodexが依然としてClaude Codeに勝るのか

過去1年間、複雑なPythonモノリスに取り組む開発者は主にCodexを使用してきた。Opus 4.6と4.7を搭載したClaude Codeを1ヶ月テストした後も、このコードベースではCodexを好んでいる。このアプリケーションは単純なCRUDサーバーではなく、新しいDDD風のレイヤー、古くても構造化されたコード、そして脆弱なレガシースパゲッティコードが混在している。チームは、必要がない限り古い部分の書き換えを避けている。
Codexの主な利点
- ハーネスエンジニアリングの原則: Codexは、明示的な指示がなくても ハーネスエンジニアリングのワークフロー を確実に遵守する。Claudeは、
AGENTS.mdに「exec_plan.mdを読んで従え」といった指示が含まれている場合のみそうする。 - 既存のツールとパターンを再利用: Claudeは、コードベースで既存のものを検索する代わりに、新しいツールを作成することが多い。プロジェクト固有のヘルパーが多いコードベースでは、再利用が重要である。
- 優れた計画性とコンテキスト認識: Claudeは、新しい機能を配置する前に読む量が少なすぎることがよくある。開発者は何度も次のように修正しなければならなかった。
「この機能はコントローラーではなく、モジュールAに配置してください。」
「リクエストで送信したステータスを使ってレスポンスオブジェクトを構築しないでください。APIは既に更新されたオブジェクトを返しています。そのレスポンスを使用してください。」
「この境界を所有する同じモジュールで検証してください。」
Codexは、アーキテクチャの変更を行う前に、欠落しているコンテキストに気づき、質問を明確にすることがより頻繁にある。
Claudeが優れている点
フロントエンド作業では、Opus 4.6はCodex 5.3やGPT-5.4よりも はるかに優れていた。現在、開発者はUIタスクではClaudeを好んでいる。GPT-5.5はUI中心の作業ではまだテストしていない。
ツール設定
両方のLLMは、Docker Composeの起動と停止、およびコンテナ内でテストを実行するためのコマンドという、1つの共有スキルを使用している。
これはベンチマークではなく、1つの本番コードベースでの日常的な使用経験です。
📖 全文を読む: HN AI Agents
👀 See Also

Claude Codeで構築された無料の薬剤疫学シグナル検出ツール
開発者がClaude Codeを使用して無料の薬剤疫学プラットフォームを構築し、290万件のFDA有害事象報告を分析しています。商用プラットフォームが年間5万~50万ドルを請求する統計的シグナル検出を実行し、このツールはHuggingFaceで無料でホストされています。

教育投資のためのリスクガードレール付きAI取引エージェント
ある開発者が、AIと資金の間にリスクエンジンを配置してClaudeを証券口座に接続するAI搭載の取引アシスタントを構築しました。このシステムには、ポートフォリオの50%を超える取引のブロック、1日で3%の損失が発生した場合の自動停止、20%のドローダウンで全てを停止するキルスイッチなどの安全対策が含まれています。

クロードコードウルトラプラン ワークフローの変更とパフォーマンス観察
Claude Code UltraPlanは、ターミナルからの起動、ブラウザでのレビューインターフェース、実行オプションを備えたクラウドベースの計画ワークフローを導入します。テストでは、ローカル計画と比較して繰り返し実行が約2倍高速であり、品質向上の結果は一貫していませんでした。

Claude Codeが開発者の3週間見積もりに対し6時間でSaaSオンボーディングフローを再構築、活性化率を13ポイント向上
SaaS創業者がClaude Codeを使い、サインアップからダッシュボードチュートリアルまでのオンボーディングフロー全体を6時間で再構築。当初の開発者見積もりは3週間・4,500ドルだった。アクティベーション率が35%から48%に向上。