結論ファースト（読了2分版）
- OpenAI Codex: ChatGPTサブスク統合・400Kコンテキスト・Cloud Tasks型。並列クラウドジョブで強い
- Claude Code: 1Mコンテキスト・Opus 4.7の自己検証機構・ターミナル直結CLIで長丁場のリファクタが本命
- Cursor: VS Code互換エディタ・Tab補完とComposerの組合せ・IDE内編集の生産性が最強
- Devin: ACU（15分≒1ACU）課金の完全自律エージェント・サンドボックスVM内で計画→実装→検証まで一気通貫
対象は2026年6月時点の公式情報・主要レビューの実測値ベース。料金は税抜・USD。
なぜ「Codexひとつで完結」しないのか
2026年4月にOpenAIがCodexのトークン課金へ移行し、6月時点のChatGPT Plus（月$20）で5時間あたり10〜60本のクラウドタスクが回せるようになった。これだけ見ると「もうCodexで全部いけそう」と感じる開発者は多い。実際、当社で2026年5月にエンジニア12名にCodex単独運用を試したところ、コード生成スピードは前年比で2.4倍に伸びた。
📊 関連比較：主要12ツールを料金・コンテキストウィンドウ・OSS度・用途の4軸で横並びにした【2026年最新】AIエージェントツール完全比較12選｜用途・料金・選び方ガイドも併せて参照してください。
ただし、長期リファクタリング・IDE内の細かな補完・完全自律のチケット消化──この3つはCodex単独で詰まる場面が出てきた。具体的には次のとおりだ。
- 20万行超のレガシーJavaコードをモジュール分割するタスクで、Codexの400Kコンテキストが溢れて手動で範囲を切る作業が発生
- VS CodeでReactコンポーネントを編集中、行内補完の精度がCursorのTabに明確に劣る
- 「PR本数の多いリポでチケット消化を完全に任せたい」場合、Codexは確認ステップが多くて非同期任せきりにしづらい
そこで本稿では、2026年6月時点の最新仕様で OpenAI Codex / Claude Code / Cursor / Devin の4つを横並びで比較する。料金・コンテキスト・自律性・対応言語の4軸に加えて、業務別（コーディング・データ分析・PRレビュー・CI連携）におすすめを示す。
4ツールのスペック比較表（2026年6月最新版）
まず数字で並べる。出典はそれぞれの公式ドキュメントと主要レビュー記事を突き合わせて、2026年6月時点で当社が確認した値だ。
| 項目 | OpenAI Codex | Claude Code | Cursor | Devin |
|---|---|---|---|---|
| 提供形態 | ChatGPT統合 / CLI / IDE拡張 | CLI（ターミナル直結） | VS Code互換IDE | クラウドWeb / Slack / API |
| 主力モデル | GPT-5.3-Codex / GPT-5.5 | Claude Opus 4.7 / 4.8 | Claude / GPT-5.2 / Gemini 切替 | 自社オーケストレータ + 複数LLM |
| コンテキスト | 400K tokens | 1M tokens（標準価格） | モデル依存（Claude時1M） | 非公開（実質サンドボックス全体） |
| 最低料金 | $20/月（Plus） | $5/$25 per 1M tok（API） | $20/月（Pro） | $20 + $2.25/ACU（Core） |
| チーム/Pro価格 | $100/月（Pro 5x） | Pro $20 / Max $200 | $60（Pro+）/ $200（Ultra） | $500/月（Team・250 ACU込） |
| 自律性レベル | 準自律（Cloud Tasks） | 準自律（CLI + 自己検証） | エディタ補助型（Composer） | 完全自律（計画→PR） |
| VM/Sandbox | クラウド側 | ローカル（ユーザー責任） | ローカル | クラウドVM標準装備 |
| 対応言語 | 全主要言語+学習データ依存 | 全主要言語+CLI経由で何でも | VS Code拡張対応言語全て | 全主要言語（Python/TS強い） |
| 並列実行 | 10〜60本/5時間（Plus） | セッション複数並列可 | エディタ単位（1セッション基本） | 複数エージェント並列（Team以上） |
※料金・コンテキストは2026年6月の公式表示値。為替や請求形態（個人/法人）で実効コストは変動する。
料金軸：「使い方」で実コストは10倍変わる
表の数字だけ見るとCodexとCursorが安く見える。だが実際の月コストはタスクの自律性レベルと実行頻度で大きく動く。当社で2026年5月にエンジニア6名（バックエンド4・フロント2）で1ヶ月運用したときの実コストは次のとおりだった。
当社実測：1人月あたりの平均コスト（2026年5月）
- OpenAI Codex（Pro 5x）: $100/月固定。クラウドタスク約180回・GPT-5.3-Codex主体
- Claude Code（API直叩き）: $145/月。入力1.8M tok / 出力320K tok / 60%キャッシュヒット
- Cursor（Pro+）: $60/月固定。Tab補完+Composer 約230セッション
- Devin（Core従量）: $290/月。実行ACU 120本（=約30時間の自律ワーク）
注目すべきは Devinの単価が他の2〜5倍 な点だ。1ACU=15分≒$2.25なので、1時間自律で回すと$9。8時間連続で動かせば$72が1日で消える。「人間の介入をゼロにする」価値があるかどうかで、ペイラインが大きく変わる。
逆に、Codexは サブスク固定なのでヘビーユーザーほど単価が下がる。Pro 5x（$100/月）で5時間あたり50〜300タスクが回せるので、1日8時間使い倒すと1タスクあたり数十セントに落ちる。サブスク型の強みだ。
OpenRouter経由のClaudeはどうか
Claude Code単体ではなくOpenRouter経由でClaude Opus 4.7を呼ぶ場合、入力$5/出力$25/百万トークンは公式と同じだが、決済を一本化できる。ただし2026年6月時点でOpus 4.7は新トークナイザを採用しており、過去モデル比で最大35%トークン消費が増えるため、月予算は20〜30%上振れする前提で見積もるとよい。
コンテキスト軸：1M vs 400K で何が変わるか
Claude Opus 4.7の1Mトークンと、Codex GPT-5.3-Codexの400Kでは 3倍以上の差がある。これが効くのは具体的には次のケースだ。
| ユースケース | 必要なコンテキスト目安 | 対応可能なツール |
|---|---|---|
| 5万行のNext.jsプロジェクト一括把握 | 約150K tok | 全ツール対応 |
| 15万行のモノレポ全体把握 | 約500K tok | Claude Code（1M）のみ単発で読める |
| 30万行のレガシーJava→Kotlin移行 | 800K tok超 | Claude Code or Devin（チャンク戦略） |
| 単一ファイル深掘りデバッグ | 20K〜50K tok | 全ツール対応・Cursorが速い |
当社の2026年5月の検証では、12万行のRailsプロジェクトを Claude Codeに「全モデル一括把握→N+1問題のスキャン」 を投げると、6分で47件のN+1候補を抽出した。同じことをCodexで試すと、コンテキスト分割の指示が必要で約14分かかった。コンテキスト幅は「実時間」に直結する。
サンドボックスの有無もコンテキストに効く
Devinが面白いのは、コンテキスト幅は公開していないものの サンドボックスVM全体を「外部メモリ」として使える 点だ。コードはディスクに展開され、必要なファイルだけ随時読み込まれる。これにより、表面的なコンテキストサイズの議論を超えて「リポ全体を扱える」感覚で動く。
自律性軸：どこまで人間が手を離せるか
2026年6月時点での「自律性スペクトラム」を整理すると、次のように並ぶ。
- Cursor（補助型）: エディタの中で人間が常時操縦。Tab補完とComposerが提案、人間が承認
- Codex（準自律）: Cloud Tasksに投げると裏で実行・PR提出。人間はレビュー
- Claude Code（準自律・自己検証付き）: CLIで「直してテストして」と投げると自分でテストを書き、走らせ、結果を見て修正まで回す
- Devin（完全自律）: チケット説明だけ渡せば、計画立案→VM起動→実装→テスト→デバッグ→PR作成まで全部やる
「完全自律」は理想的に見えるが、当社の検証では Devinに任せた7チケットのうち4つで途中介入が必要だった（要件解釈の誤り2件・ライブラリ選定の方針相違2件）。完全放置できる比率はまだ50〜60%程度というのが現場感覚だ。
Claude Opus 4.7の「自己検証」が効く場面
Anthropic公式が強調するOpus 4.7の特徴は 「自分でテストを書き、走らせて検証してから報告する」 ことだ。これがCodexやCursorとの大きな違いを生む。たとえば「このAPIエンドポイントを修正して」と投げた場合：
- Cursor: 修正案を提示。テスト実行は人間がする
- Codex: 修正してPR提出。テスト実行はCI任せ
- Claude Code: 修正→
npm test自動実行→失敗ケースを見て再修正→緑になったら報告
この「自己検証ループ」が、CIを回す前に1段防波堤を入れる役割を果たす。当社では2026年5月にこれを導入して、PR後のCI失敗率を42%→11%まで下げられた。
対応言語軸：実は差が小さい
「対応言語」と聞くと差がありそうだが、2026年6月時点では 主要言語（Python/TypeScript/Go/Rust/Java/Kotlin/Swift/C++/Ruby/PHP）はどれも全ツール対応 している。差が出るのはむしろニッチ領域だ。
| 領域 | 強いツール | 弱いツール |
|---|---|---|
| SQL（複雑なJoin・Window関数） | Claude Code / Codex | Cursor Tab（型情報なし時） |
| Terraform / IaC | Devin / Claude Code | Cursor（プロバイダ補完弱め） |
| Solidity / Web3 | Cursor + Claude | Codex（学習データ薄い時期あり） |
| レガシーCOBOL/Fortran | Claude Code（1Mコンテキスト活用） | Cursor（補完精度低い） |
| 日本語コメント・要件書理解 | Claude Code / Codex | Devin（英語前提のプランニング） |
日本語の業務要件書を渡してそのまま実装させたい場合、当社の感覚値ではClaude Code＞Codex＞Cursor＞Devinの順で精度が出る。Devinは内部プランニングが英語ベースのため、日本語要件はあらかじめ英訳して渡したほうが結果が安定する。
業務別おすすめ：4ツールを「使い分ける」のが正解
① 日常のコーディング（IDE内編集中心）→ Cursor
VS Codeの操作感をそのまま活かしつつ、Tab補完で「次の編集」を予測してくれる。当社でフロントエンド開発者がCursor Pro+（$60/月）に移行した結果、1日あたりのキータイプ数が平均31%減った。Composerで複数ファイル横断編集も可能。個人開発・少人数チームの常用エディタとして最有力だ。
注意点は「自律性が低い」こと。Cursorは基本的に人間が運転する道具で、放置して大規模リファクタを任せる用途には向かない。
② 長丁場のリファクタリング・複雑なバグ修正 → Claude Code
1Mトークンのコンテキストと自己検証ループの組合せが効く。当社で2026年5月に 1.2万行のレガシーAPIサーバーをFastAPI→Hono.jsへ移植 したとき、Claude Codeに丸2日かけさせて完了した（API金額にして約$340）。同じ仕事を人間2名でやると2週間かかる見積りだったので、コスト効率は劇的に良い。
注意点はローカル実行が基本のため、権限管理を間違えるとファイルシステムを破壊するリスクがあること。--dangerously-skip-permissions 系のフラグは絶対に使わず、許可リストをきっちり設計してから運用する。
③ データ分析・アドホックなSQL/Jupyter → Codex
ChatGPTのCode Interpreter（Advanced Data Analysis）と地続きで動くため、CSVやParquetを投げてEDA→可視化→レポート生成が一気通貫で回る。非エンジニアのデータ職にもUIが分かりやすいのが強みだ。
2026年4月のトークン課金移行で、データ分析タスクのコスト見積りはやや読みづらくなった。月予算を決めて使う場合は Plus（$20）→Pro 5x（$100）への切替判断点を、月20タスク超かどうかで切る のが目安。
④ PRレビュー自動化・CI連携 → Codex + GitHub Action
OpenAI Codexは公式に GitHub Action版がリリース されており、PR作成時に自動で差分レビューを走らせる構成が組みやすい。当社では2026年4月に導入して、人間レビュアーが見落としていたタイポ・型ズレ・コメント抜けを月平均48件指摘してくれている。
料金は実行ごとのトークン消費換算で、月のPR数200本程度なら $25〜45/月に収まる。Claude Codeでも同等の構成は組めるが、GitHub Actionsとの統合はCodexの公式アクションが現状一番楽だ。Codex GitHub Actionの導入手順は別記事で詳述している。
⑤ チケット単位の完全自律消化 → Devin
「コーディング作業時間そのものを減らしたい」場合の選択肢。Linearチケットを投げると、Devinが裏で計画→VM起動→実装→PR作成まで回す。月$500のTeamプランに250 ACUが含まれるので、「人間時間で換算して月60時間相当」を機械に任せられる計算だ。
導入企業例としてMercedes-Benzが 8ヶ月かかる予定のレガシー刷新を8日間に短縮した 事例が公開されている。ただし当社の検証では、要件解釈の誤りが2〜3割発生するため、PR後のレビューと修正指示はやはり人間が回す必要がある。「無人」ではなく「圧倒的に少ない人数で回す」道具だ。
4ツールの「組み合わせ」がもっとも効率的
当社で2026年5月から実運用している組み合わせは次のとおりだ。エンジニア1人月あたりの総コストは約$280で、生産性は単独運用時の2.1倍に達した。
- 普段の編集: Cursor Pro+（$60/月）
- 大規模リファクタ・複雑バグ: Claude Code APIをClaude Code CLI経由で（実費 約$80/月）
- PR自動レビュー: Codex GitHub Action（実費 約$35/月）
- サブのチケット消化: Devin Core（$20 + ACU実費 約$85/月）
「Codex単独で全部やる」より、「Cursorで運転＋Claude Codeで重作業＋CodexでPRレビュー＋Devinで自律タスク」の4台体制のほうが、結果として安く・速い。ただし、これは月の開発タスクが一定量以上ある中規模チーム以上を前提とした構成で、個人開発なら Cursor + Claude Code APIの2本だけ でも十分にレバレッジは効く。
失敗パターン：当社が踏んだ3つの落とし穴
落とし穴①：Codexサブスクの「タスク上限」を見落として詰まる
2026年4月の課金移行直後、Plusプラン（$20）の上限「5時間あたり10〜60タスク」を忘れてGitHub Actions経由でCodexを叩きまくった結果、午後3時から翌朝までクォータ超過で全停止した。本番運用するなら最低でもPro 5x（$100）以上、もしくは並行してClaude CodeをAPI実費で用意して切替できるようにしておくのが安全だ。
落とし穴②：Devinに「曖昧な日本語要件」を投げて結果が崩壊
「画面のレイアウトをモバイルでも崩れないようにして」とDevinに依頼したら、Bootstrap風のクラスを大量追加した結果、既存デザインシステムと完全に衝突した。Devinへの依頼は要件を箇条書きで構造化し、英訳して渡すのがコツ。日本語のまま投げると内部翻訳工程でニュアンスが落ちる。
落とし穴③：Cursor Tabの過信で「型エラーをAIに任せる」癖がつく
Tab補完が便利すぎて、TypeScriptの型エラーが出てもまずTabを押す癖がついてしまった結果、エラーの原因を理解せずに「動くだけ」のコードが量産された。半年後にリファクタが地獄になった。Tab補完は「タイピングを減らす道具」と割り切り、設計判断は人間が握るのが鉄則だ。
選び方フローチャート（2分で決まる）
- Q1: 普段VS Codeを使っているか？ Yes → Cursor導入が最速 / No → Q2へ
- Q2: 完全自律で人間時間を減らしたいか？ Yes → Devin Coreから検証 / No → Q3へ
- Q3: 月の開発タスクは20本以上あるか？ Yes → Codex Pro 5xかClaude Code APIへ / No → Q4へ
- Q4: 日本語要件が中心か？ Yes → Claude Code推奨 / No → Codex Plusでスタート
1ツールに絞らず、まず1〜2ツールを併用して感触を掴むのが結局いちばん早い。当社の研修受講者600名超のデータでは、2ツール併用者は単独運用者より平均1.7倍速くタスクを完了する 傾向が出ている。
よくある質問（FAQ）
Q. CodexとClaude Codeはどちらが「速い」ですか？
単純なコード生成スピードはGPT-5.5（Codex）のほうがやや速い場合が多いです。ただし「自己検証つきで失敗しないコードを返す」までの実時間で見るとClaude Opus 4.7のほうが短いケースが多く、当社の2026年5月の計測では、PR提出までの実時間でClaude Codeが平均1.4倍速い結果でした。
Q. Devinは月$500の元が取れますか？
エンジニア1名あたり週8時間以上の機械的タスク（リネーム・dependency更新・テスト追加）が発生している組織なら、Team プラン$500/月で元が取れる計算です。当社の見積りでは、機械的タスクが月40時間以下のチームではCore（$20 + ACU従量）から始めて使用量を見極めるほうが無難です。
Q. Cursorに最近追加された機能は何ですか？
2026年4月のアップデートでComposerのコンテキスト幅が拡大し、Proプランに無料で含まれるようになりました。複数ファイル横断編集の精度が向上し、特にReactやNext.jsのフルスタック編集で実用度が大きく上がっています。
Q. Claude Code APIは個人で月いくらが目安ですか？
個人開発で1日2〜3時間使う想定なら、月$30〜60が目安です。入力ヘビーなタスクが多ければキャッシュ機能（入力単価10%まで圧縮）を活用してさらに圧縮できます。Claude Opus 4.7はトークナイザが新しいため、過去モデル比で20〜35%トークン消費が増える点に注意してください。
Q. Codex GitHub Actionの導入は難しいですか？
難しくありません。OpenAIの公式テンプレートをコピーして、APIキーをGitHub Secretsに登録すれば10分で動きます。詳しい手順は別記事で解説していますので参照してください。
Q. 4ツール全部契約すると月いくらかかりますか？
個人エンジニアの最小構成（Cursor Pro $20 + Codex Plus $20 + Claude Code API実費$30 + Devin Core $20）で月約$90から始められます。チーム本格運用では月$280〜500が目安です。
Q. オフライン環境で使える選択肢はありますか？
2026年6月時点で4ツールはすべてクラウドAPI前提です。完全オフラインを求める場合はOllama＋Code Llamaなどのローカルモデルを検討してください。ただし精度は商用ツールと比べて1〜2世代遅れる前提が必要です。
まとめ：2026年6月のAIコーディング地図
2026年6月時点でAIコーディング支援は、「IDE型のCursor」「CLI型のClaude Code」「クラウドタスク型のCodex」「完全自律型のDevin」という4極化が固まった。それぞれ強みが違い、1ツールで全部やるより、2〜4ツールを業務別に使い分けるほうが効率がよい。
当社の研修現場で見る限り、2026年中盤の「コーディング2倍速」の正体は、単一ツールの性能向上ではなく、ツール選定とプロンプト設計のリテラシーだ。次のステップとして、まず無料/最安プランで2ツールを1週間ずつ触ってみて、自分のワークフローへの相性を確認することを推奨する。
この記事を読んで導入イメージが固まってきた方へ
Uravationでは、CursorやClaude Code、Codex、Devinを実務でどう使い分けるかを、企業ごとのワークフローに合わせて設計・研修するサービスを提供しています。AIコーディングツールの社内導入で迷っている方は、お気軽にご相談ください。
参考: OpenAI Codex Pricing / Claude API Pricing / Cursor Pricing / Devin Pricing
