開発者にとっての違いは、ChatGPTが一般向けのオールインワンの商業ソリューションで、Claudeは開発者向けってことかな。実際には、普通の開発者にとっては結果は区別できないよね。

これは、1984年のテイラー・スウィフトの楽譜とマイケル・ジャクソンのスリラーの楽譜を渡して、ファンが違いを分からなかったって言ってるようなもんだ。Claude Codeには、インタラクション体験や全体のトーン、雰囲気、プロセスに強い親しみを感じてる。彼が生み出すコードがCodexと同じか、もしくはそれ以下だって信じる準備は100%できてるよ。Claudeと一緒に作業するのは、OpenAIでは得られない楽しさがある。あなたは逆のことを感じるかもしれないけど、生成されたコードだけを見てこれらの製品を評価するのは間違いだよ。

vimで書かれたコードとVS Codeで書かれたコードの違いは分からないけど、コードを書く人にとっては大事なことなんだよね。ツールの選択には、出力以外にもいろいろな要素があるんだ。

ああ、それはいつもめっちゃ楽しいよね。相手がどれだけ「賢い」と思ってても、私たちはみんな影響を受けやすいし、ブラインドテストは驚くほど簡単に実施できるんだ。AとBを見分けられる自信がある？オッケー！問題ない、やってみよう！高級ワインのディナーテーブルでも、エージェントとのテストでも同じこと。オプションを試して、別のオプションを試して、全部同じモデルからの結果だったら、もし本当に見分けられなかったら、あなたも私たちと同じだよ！後から「知ってる」って言うのは簡単だけど、ブラインドテストこそ本当の違いが見つかるところなんだよね。そうじゃないかもしれないけど。

これを「タッパーウェア」って呼ぶのはちょっと感情的すぎる気がする。開発者にとって重要なことを無視して、同等だと主張しようとしてるだけじゃない？実際のソフトウェア作成のプロセスに注目するんじゃなくて。例えば、あなたの「テスト」では出力だけを見て、作成のプロセス全体を無視してるよね。そのプロセスに加えて、Claude Codeが最初で長い間優れていたことも無視してる。なんで同じ出力を出すものに人が切り替えると思う？Claude Codeはエージェントソフトウェア作成のプロセスでずっと先を行ってたし、今でもその機能が好きなんだ。Opus 4.7が大きな後退だと思ってるし、Claude Codeの機能の変化で毎日悪い結果が出てる気がするけど、それも自分がどれだけ少なく指定しても許容できる結果が出るかを試してるから、正直わからない。これらの具体的な現実を「マーケティング」と呼ぶのは、Codexを「十分良い」として売り込もうとしてるだけに見える。私たちがどこにいるか、未来にどこに行くかを考えるべきなのに。

個々の開発者が選択肢を持ってると思いすぎだよ。私の雇い主はClaude Codeのメンバーシップに加入したから、私はClaude Codeを使ってる。Codexは使えない。職場でClaude Codeのサブスクリプションを持ってる人の話はよく聞くけど、Codexのサブスクリプションについて話してる人はほとんど聞いたことがない。Anthropicは、OpenAIがSoraなどで消費者を追いかけてる間に、企業顧客を追いかけるのをずっと上手くやってたね。

クロードコードとコーデックスハーネスを使って、彼らが必要としていたいくつかのPRをGPT-5.5とOpus-4.7で実装したんだ。それから、コードだけからどれがどれかを特定できるか聞いてみた。 > わからなかったよ。どうして彼らがPRのペアからモデルのサインを認識できると思うの？ これは何かの役に立つテストだと思う理由がわからない。数多くのベンチマークがモデルに対して100以上のテストを実行していて、GPT-5.5とOpus-4.8は似たような結果を出しているのに。両方のサブスクリプションを持ってるし、最大の推論で両方を動かしてる。各モデルの相対的な強みと弱みを見るのは面白いよ。コードをざっと見るだけでは、いつもそれが見えるわけじゃない。ある問題に対して一方が長い間スピンしている間に、もう一方はコードベースの適切な部分を見つけて効率的な解決策を得ることがある。antirezが言ってたけど、彼と他の人たちは、彼が取り組んでいた最適化タスクに関してGPT-5.5の方がOpusよりも良いと感じたらしい。他にも、GPT-5.5が常につまずくタスクのクラスがあって、Opusはより早く解決策を見つけることができる。最近、どちらのモデルも良い解決策を出せないコードに取り組んでる。それがLLMの特性だよ。クラウドに関する活動が増えているのは、彼らが先に行ったからに過ぎない。Codexは一歩遅れていて、最初はGPTがOpusに追いつけなかった。君たちは、彼らがその差を縮めた後にテストしてるんだ。

完全に同意するよ。AnthropicはOpenAIよりも良いDevExを作るためにもっと努力してると思うから、みんな「Claude Codeの方がいい」って感じてるけど、実際はほぼ同じで、せいぜいClaude Codeが5%くらい良いかもしれない。

いろいろ変わってきてるね。9ヶ月前はClaudeが一番だと思ってたけど、今はあんまり自信がないな :^)

正直、どうしてそれが分からないのか全く分からないよ。PRを読むと、言葉を読まなくても違いが分かる。コードの差分を見ただけでは違いが分かるかは疑問だけど。Claudeのコミットメッセージは、よく構成されたテストプランで読みやすい。一方Codexのコミットメッセージは、テキストの壁で構成がない。大きな違いは、ツールを使って実際に作業することだね。これは確かに雰囲気の話だけど、例えば# steering re-promptsのメトリクスを引き出せると思う。Codexは問題を解決するためにすぐに動き出すけど、たいてい解決策を持って戻ってくる。Claudeはもっと諦めたり、入力が必要だったりすることが多い。Opusはより広いデザインの議論を提供して、会話が得意。Codexはより深い/良いエッジケースを見つける。EMacsとVimみたいなもので、どちらでも作業はできる。どちらかが圧倒的に強いタスクもあるかもしれないけど、「どっちが良い」っていうのはなかなか正当化が難しい。結局、ツールの選択は科学とアート/好みのミックスだし、ツールを使って楽しいと感じたいんだ。楽しい小さなピクセルの爆発があると嬉しいし、別のツールが君を幸せにするならそれもいいよ。