Mistral Vibe for Code vs Claude Code vs Cursor vs Codex：4つのエージェントが1つのスキャフォールドからPRタスクで評価

AIコーディングエージェントは現在、開発者ツールの中で最も競争の激しいカテゴリです。4つの名前が候補リストを支配しています：Mistral Vibe for Code、Claude Code、Cursor、OpenAI Codex。それぞれがプロンプトからプルリクエストまでの機能を実現すると主張しています。

この比較では、4つのツールすべてを実際のワークフローで評価します。おもちゃのスクリプトではなく、実際のエンジニアリング作業単位です。「既存のPython/FastAPIサービスに/subscriptionsエンドポイントを追加してください。正しいファイルにルート、Pydanticモデル、サービス層をスキャフォールディングしてください。ユニットテストと統合テストを生成し、実行し、失敗を修正し、明確な説明付きでプルリクエストを開いてください」というプロンプトは、すべてのエージェントがクリアしなければならない3つのステージ（スキャフォールド、テスト、シップ）に対応しています。

方法論について正直に述べます。これは機能比較であり、単一マシンでのタイムドランではありません。スコアは、2026年7月14日時点の文書化された機能、公開ベンチマーク、ベンダー仕様に基づいています。各次元は1〜5で評価され、最大25点です。スコアよりも重要な3つの注意点があります：

ベンチマーク数値は直接比較できません。SWE-bench VerifiedとSWE-Bench Proは異なる難易度の異なるスイートです。Terminal-Benchは3番目のものです。決して1つの尺度として読み替えないでください。

ベンダーの主張はそのようにラベル付けされています。Mistralのコスト効率の数値は、Mistral自身の公開された主張であり、独立した結果ではありません。

これらの製品は毎週出荷されます。検証されたモデルのデフォルトと価格は今日は正しくても、明日には変わるかもしれません。以下の各主張はソースにリンクされているので、再確認できます。

5つの次元：機能スキャフォールディング、テスト生成と実行ループ、PRと非同期ワークフロー、サーフェスカバレッジ、コスト/開放性/制御。

結果

1. Mistral Vibe for Code: 22/25

Mistral Vibeは、Mistralによる仕事とコードのための統一エージェントであり、以前はLe Chatとして知られていました。そのコーディングサーフェスは、GitHubでApache 2.0の下でオープンソースのCLIを実行します。モデルスタックは階層化されており、その区別は重要です。Mistral自身のFAQによると、Mistral Mediumは複雑で多段階のソフトウェアエンジニアリングに最も高性能なファミリーです。Vibe CLIとIDEプラグインはDevstralによって駆動されています。Codestralは高速補完を処理し、Codestral Embedはセマンティックコード検索を担当します。リモートエージェントはMistral Medium 3.5上で動作します。VibeをDevstralのベンチマークだけで判断すると、製品を過小評価することになります。

スキャフォールディングでは、Vibeはプロジェクト認識コンテキストのためにファイルツリーとGitステータスをスキャンし、アーキテクチャレベルの推論でマルチファイルオーケストレーションを実行します。Devstral 2は123Bの高密度モデルで、256Kのコンテキストウィンドウを持ちます。MistralはSWE-bench Verifiedで72.2％を報告しており、オープンモデルの中で最先端であると位置付けています。Devstral Small 2（24B、Apache 2.0）は68.0％をスコアし、コンシューマハードウェアで動作します。

テストはファーストクラスの機能です：コードベースと共に進化する自動生成テスト、既存のパターンにマッチします。フックは各エージェントターンの前後にカスタムシェルコマンドを実行できるため、規約を強制したり、パターンを自動的にブロックしたりできます。

PRと非同期ステージはよく設計されています。リモートコーディングエージェントは並列実行のために隔離されたサンドボックスで実行され、マシンがオフの間もセッションは持続します。/teleportはローカルCLIからリモートエージェントへライブセッションを渡し、戻します。リモートエージェントの可観測性は、実行履歴、ツール呼び出し、コード変更、ログ、監査証跡を提供します。

サーフェスカバレッジはここで最も広く、Vibeは5のクリーンスコアを獲得しています：ターミナルCLI、VS Code、JetBrains、Zed、Webアプリ、モバイル、バックグラウンドエージェント。また、タブ補完も出荷しており、別のツールを保持する理由としてのオートコンプリートを排除します。

コストと制御はVibeの決定的なリードです。Proは14.99ドル/月で、4つの中で最も安いプレミアムティアです。Teamは24.99ドル/ユーザー/月です。5.99ドルの学生ティアもあります。Mistralは、Devstral 2が実世界のタスクでClaude Sonnetよりも最大7倍コスト効率が高いと主張しています（これもベンダーの主張です）。セルフホスティング、プライベートクラウドまたはオンプレミスでのデプロイ、プロプライエタリコードへのファインチューニングが可能で、モデルトレーニングは有料プランでオプトアウトできます。

Vibeが劣る点：Devstralの72.2％は、コーディング評価においてフロンティアクローズドモデルを下回っており、レビュアーはレート制限のバグや時折の不安定性を指摘しています。CLIはUNIXを優先しているため、Windowsファーストのチームは導入前にパイロットテストを行うべきです。

1. Claude Code: 21/25

Claude CodeはAnthropicのエージェントコーディングツールで、デフォルトでClaude Opus 4.8を実行します。そのハーネスはフィールドで最も深い：30のライフサイクルフック、スキル、プラグイン、サブエージェント、チェックポイント、プランモード、MCP。

生の実行でリードしています。動的ワークフローは、1つのセッションで大規模な並列サブエージェントのフリートを調整します。バックグラウンドタスク、自動チェックポイント、成熟したテスト検証ループにより、スキャフォールド-テスト-PRアークは得意分野です。広く引用されている証拠として、Bunの作成者Jarred Sumnerは、約75万行をZigからRustに移植し、99.8％のテスト合格率を11日で達成したと報告しています。

弱点はコストと制御です。オープンウェイトなし、セルフホスティングなし、規制対象チームが必要とするデータレジデンシの話もありません。価格設定はPro 20ドル、Max 5x 100ドル、Max 20x 200ドルで、Teamシートはそれ以上です。トークン消費が実際の請求書です：公開された事後報告書は、並列サブエージェント実行が数千ドルかかることを文書化しており、Anthropic自身の報告によると、開発者1人あたりのアクティブ日数あたり平均約13ドルで、並列処理がそれを倍増させます。

1. OpenAI Codex: 21/25

CodexはOpenAIのコーディングエージェントです：Apache 2.0のCLIで、クラウドサービス、IDE拡張、ChatGPTアプリ、iOSアプリ、そして2026年6月以降はAmazon Bedrockでも動作します。GPT-5.6は2026年7月9日に一般提供が開始され、Sol、Terra、Lunaの3層で、古い比較で引用されていたGPT-5.5のデフォルトを置き換えました。

Codexは、ネットワークがデフォルトでオフのカーネルレベルのサンドボックス内でスキャフォールディングとテストを処理します。スキル、マーケットプレイス付きプラグイン、サブエージェント、フック、MCPを出荷しています。その際立った点はクロスサーフェス非同期です：1つのタスクが状態を失うことなくCLI、クラウド、アプリ、モバイル間を移動できます。

価格設定はラダー形式：無料、Goが8ドル、Plusが20ドル、Pro 5xが100ドル、Pro 20xが200ドル、さらにビジネスとエンタープライズシートがあります。正直な落とし穴は5時間のローリングウィンドウです。開発者は、大規模なリポジトリセッションが約1時間で割り当てを使い果たすと報告しています。OpenAI自身の料金表文書によると、Codexのコストは開発者1人あたり月額約100〜200ドルと推定され、モデル、並列処理、高速モードによって大きく変動します。

1. Cursor: 16/25

CursorはAnysphereのAIコードエディタで、VS Codeのフォークです。自社のComposer 2.5は高速なエージェント編集用に調整されており、Artificial Analysisによると、Coding Agent Indexで62点を獲得しました。Anthropic、OpenAI、Googleからのフロンティアモデルを1つのサーフェスでルーティングし、ルール、MCP、フック、スキル、プラグイン、サブエージェントを出荷しています。

Cursorは異なる形状の作業に優れています。IDEファーストでインライン駆動であり、そのタブ補完と単一ファイルの反復はクラス最高です。自律的なスキャフォールド-テスト-PRループでは、ターミナルファーストおよびエージェントファーストのツールが構造的に優位です。これは品質判断ではなく、適合性の判断です。

コストには注意が必要です。すべての有料ティアは価格に応じたクレジットプールです：Hobby 0ドル、Pro 20ドル、Pro+ 60ドル、Ultra 200ドル、Teams 40ドル/ユーザー。プールを使い切ると、APIレートで後払い使用料が請求されるため、20ドルは入り口であり、請求額ではありません。2026年6月のTeamsアップデートでは、使用量をファーストパーティとサードパーティのプールに分割し、120ドルのプレミアムシートを追加しました。

主なポイント

Mistral Vibe for Codeは22/25で総合価値でリードし、コスト、開放性、制御によって推進されました。Claude CodeとCodexは21/25で同点です；Claude Codeは生のフロンティアコーディング品質でリードしています。Vibeはここでセルフホスティング、ファインチューニング、EUデータレジデンシを提供する唯一のツールです。Vibeのオープンウェイトは研究用にApache 2.0です；商用展開にはMistralライセンスが必要です。ベンチマークスコアは異なるスイートとベンダー主張にまたがっているため、直接比較できません。