2026 年 9 月時点で、同じターミナルに 3 つの AI コーディングエージェントを並べるのは珍しくない。Pi は Mario Zechner が 2025 年 8 月に始めた MIT ライセンスのハーネス。Claude Code は Anthropic 公式のターミナルエージェント。Codex CLI は OpenAI 公式のハーネスで、既定は GPT-5.6 系の Sol / Terra / Luna だ。どれもファイルを直し、コマンドを走らせ、赤いテストを追える。それでも多くのチームは「どのモデルが賢いか」を聞く。本当に買うべきなのはハーネスだ。毎ターン何トークンの固定文脈を押し込むか、どの権限を前提にするか、ベンダーを切り替えられるか、席料か完了タスク課金か。本稿は公開ベンチの復唱ではない。コード生成、バグ修正、トークン消費、モデル対応、開発コストをどう切り分けるかという選定の話である。
なぜ 2026 年にモデル比較から入ると、すでに選び方を誤るのか
古いやり方と新しいやり方は、具体的にぶつかる。古いやり方はモデル先行だ。Opus か GPT-5.6 かローカル重みを先に決め、手元の CLI を後付けする。新しいやり方はハーネス先行だ。監査しやすい極小核が欲しいのか、最初からガードレールが付いた箱が欲しいのか、一社に紐づく既定隔離が欲しいのかを先に決める。同じ「落ちたテストを緑にしろ」という指示でも、毎ターンモデルに届くバイト数、子エージェントがシステムプロンプトを再読込するか、ファイル書き込みの前に人へ確認するかはハーネスが決める。請求も事故もそこで分かれる。
これが趣味の比較ではなくスケジュール案件になった理由は三つある。第一に、2026 年半ばから「同じモデルを別 CLI に載せる」社内評価が増えた。公開の SWE-Bench / Terminal-Bench は学習データに混ざりやすい。すでにマージされ、テスト付きの自前差分の方がごまかしにくい。第二に、サブスクの保険と従量 API の請求が分岐した。Claude Code の席は雑な API 利用より安くなり得るし、Pi のトークン優位はもともと従量課金しているときだけ効く。第三に、権限の既定値が桁違いだ。Pi は起動ユーザーと同じ権限を継ぐ。Claude Code は先に聞く。Codex はサンドボックスとポリシーに寄る。モデル点数だけで買うと、請求書とインシデントをセットで買うことになる。
ローカル税も別勘定にせよ。推論はクラウドでも、CLI、エディタ、LSP、ブラウザ、Docker は統一メモリを食う。メモリ帯の選び方は M6 Mac mini メモリ案内、常駐エージェントを置いてよいかは M6 Mac mini は開発者向きか を見てほしい。
Pi、Claude Code、Codex をどう分類するか
三つの名前を横並びにするだけで、候補リストは崩れる。ハーネスの厚みで三分類せよ。一分類欠けると評判しか残らない。
| 類型 | 代表 | 得られるもの | 自分で足すもの |
|---|---|---|---|
| 極小で拡張可能 | Pi | 読み / 書き / 編集 / コマンド実行、薄いシステムプロンプト、モデル差し替え | 計画モード、子エージェント、MCP、権限ポップアップ、サンドボックス |
| 最初からガード付き | Claude Code | 計画、子エージェント、MCP、権限モード、チェックポイント、複数入口 | ベンダー自由度と、完了タスク単位のトークン制御 |
| 既定で隔離 | Codex CLI | 計画モード、一貫したサンドボックス方針、ChatGPT / Codex Web 同一アカウント | モデル中立。既定ラインは OpenAI |
Pi の核は意図して小さい。コーディングエージェント CLI、複数プロバイダ呼び出し、TUI だ。厚いハーネスのリクエストを追ったコミュニティ記録では、システムプロンプトが二万トークン級、そこに長いツール定義が乗る。Pi はプロンプトを千トークン前後、組み込みツールを四つに抑える。節約は金だけではない。送らない内容はモデルの注意を奪わない。文書も欠落を隠さない。計画モード、子エージェント管理、バックグラウンド bash、権限ポップアップ、MCP クライアント、ToDo は内蔵しない。拡張か、外側のオーケストレーションだ。
Claude Code は逆の賭けをする。要求が曖昧なときに何を開くか、編集前に何を走らせるか、いつ止まって人に聞くかをハーネスに焼き付ける。AGENTS.md をまだ書けない人にとって、それは無駄機能ではなく保険だ。席と API キーを混ぜるな。席の分解は Claude Code 個人の月額コスト を見よ。
Codex の売りは「ファイルを直せるもう一つの CLI」ではない。既定の抑制と、OpenAI の入口を一つのアカウントに束ねることだ。CLI、IDE 拡張、Codex Web、デスクトップ。難しい開放課題向けの Sol から高スループットの Luna までの階段は、すでに ChatGPT / Codex にワークフローを固定したチームに合う。ツールループの設計は Function Calling とは何か、旗艦モデルの文脈窓と Computer Use の境界は GPT-6 Astra とは何か を参照してほしい。
核心比較：入口、実行、コンテキスト、対象者
本当の差は入口にある。どの研究所の点数が高いかではない。列名を揃えなければ決められない。
| ツール | 入口 | 実行能力 | コンテキスト | 向いている人 |
|---|---|---|---|---|
| Pi | ターミナル CLI / TUI。複数モデルを接続可 | 読み、書き、編集、bash。残りは拡張か自前のループ | 薄いシステムプロンプト。毎ターン送るファイルは少なめ。リポジトリ規約は自分の木に書く | 要件をはっきり書け、従量課金し、モデルやローカル重みを切り替えたい人 |
| Claude Code | ターミナル、VS Code / JetBrains、デスクトップ、ブラウザ | リポジトリ編集、コマンド、計画、子エージェント、MCP | 厚いプロンプトとツール一覧。曖昧作業のフォールバック規則 | ガードが欲しく、すでに席を払い、プロンプトがまだ一行の人 |
| Codex | CLI、IDE 拡張、Codex Web、デスクトップ | 編集、コマンド、計画モード、ポリシー寄りのサンドボックス実行 | OpenAI 製品の文脈とセッション。既定モデルは GPT-5.6 系 | すでに OpenAI 圏にいて、既定隔離と単一ログインが欲しい人 |
二枚目の表は費用と権限だけを足す。見出しは同じにして、形容詞だけの散文にしない。
| ツール | 入口 | 実行能力 | コンテキスト | 向いている人 |
|---|---|---|---|---|
| Pi の請求と権限 | 自分の API キー / ゲートウェイ | 権限ポップアップなし。起動ユーザーと同権 | トークンは主に課題そのものへ | コンテナを自分で被せ、完了タスクで勘定する人 |
| Claude Code の請求と権限 | 席または API | 高リスク操作は既定拒否。複数の権限モード | 固定プロンプトは毎ターン残る。キャッシュは値下げできても注意は減らせない | 月額が読めて、確認ダイアログを削れない人 |
| Codex の請求と権限 | ChatGPT / API / クラウドエージェント | 既定の抑制が強く、方針が一貫 | OpenAI のセッションとクラウドレビューに結び付く | 安全な既定値をベンダー中立より優先する人 |
コード生成、バグ修正、トークン：何をもって測るか
公開演習を受け入れ試験にするな。答えはネット上にあり、学習データに入っているかもしれない。自リポジトリから、すでにマージされ、テスト付きで、ボット提出ではない差分を取れ。既存モジュールの流儀でインタフェースを足す生成一題、既知の失敗テスト一題、ファイル名を言わない回帰一題。採点はコンパイルと元テストが緑になることだけ。別モデルを審判に雇うな。
# Same failing test, three CLIs — do not paste keys into the prompt pi --model anthropic/claude-opus-4-8 \ "Fix the failing test in auth_test.py and keep the public API stable." claude "Fix the failing test in auth_test.py and keep the public API stable." codex "Fix the failing test in auth_test.py and keep the public API stable." # After the run, record: tokens in/out, wall time, test pass/fail, files touched
コード生成では、インタフェースの改名、既存パターンに沿ったモジュール埋め、定型の追加は Pi の方が安くなりやすい。要件はもう書いてある。厚いハーネスの二万トークン級フォールバック規則は、自分で保守している説明書の二通目だ。曖昧な依頼——「ここが遅い気がする、見て」——は Claude Code か Codex の方が安定する。どのファイルを先に読み、編集前に何を走らせるかをハーネスが補うからだ。
バグ修正は位置が分かっているかで切る。テスト名と失敗アサーションが関数を指していれば Pi で足りる。兆候が「たまに 500」や「ある国の決済だけ落ちる」なら、厚いハーネスで探索し、ファイルを固定してから機械的なパッチを Pi に渡す。探索も穴埋めも「最強モデル＋最大 effort」に縛ると、スイートが良くなる前に請求が先に爆発する。
百万トークンあたりの定価を開発コストだと思うな。社内の対比較では同じ結論が繰り返される。同じモデル、同じ課題で、Pi が毎ターン送る量は厚いハーネスのおよそ三分の一。課題が長く、触るファイルが増えるほど差は雪だるまになる。Opus の高 effort で、公式ハーネスが 1 課題あたり約 2 ドル、Pi がその半分、合格率は数ポイント差、という観測もある。effort を最上段まで捻ると、Pi の「できるだけ送らない」方針がモデル自身の長い推論に追いつかないことがある。受け入れには effort ダイヤルを含めよ。一段階だけでは研究にならない。
もう一つ漏れやすい穴がサブタスクだ。厚いハーネスが子エージェントへ委譲すると、子はしばしばシステムプロンプトとツール定義をゼロから再読込する。直接なら約 12 万トークンの課題が、二つに割ると 50 万超になった記録がある。画面上の「並列」は四倍の請求になり得る。サブスク利用者が Pi に乗り換えると API 従量も始まる。「半額」はもともと従量課金していたときだけ成立する。
シーン別の選び方
| あなたがこうなら | 選ぶもの | 理由 |
|---|---|---|
| ファイル、振る舞い、境界条件を書け、リポジトリに AGENTS.md がある | Pi を主経路 | 厚いハーネスが注入する説明書は、もう自分で書いた |
| プロンプトが「直して」の一行で、エージェント向け文書がほぼ無い | Claude Code | 買っているのはフォールバック規則であり、余分な飾りではない |
| アカウントがすでに ChatGPT / Codex にあり、安全な既定値を最優先する | Codex | 隔離と単一アカウントはモデル中立より高い |
| 同じ CLI で Claude、GPT、Gemini、ローカルモデルを切り替えたい | Pi | 他の二つは既定で自社モデルに縛る |
| 機械的なインタフェース改修と曖昧なバグ探索が半々 | 併用：Pi ＋ Claude Code または Codex | 課題で分流せよ。排他にするな |
| 企業リポジトリ、本番シークレット、監査が制度に書いてある | Codex または Claude Code ＋ リモートノード。Pi はコンテナだけ | 同権の既定は便利さではなくリスク |
推奨スタック
A — 個人開発、API 従量： 主経路は Pi。リポジトリ直下にエージェントが読める短い規約を置く。ディレクトリ、テストコマンド、触ってはいけないパス。effort は高めで始め、最上段にはしない。ノート PC は読み取り探索だけ。書き込みと bash はコンテナか、セッション隔離したリモート Mac へ。API 請求とノード賃料は一枚の表に載せ、料金は Mac mini 料金 を見る。
B — 小さなプロダクトチーム、Claude 席あり： 探索、計画、MCP 接続は Claude Code。改名、パターン埋め、すでに赤いテストの修正は Pi。同じ三題で一週間併用し、トークンと手戻りを比べて主経路を決める。「ツールを統一したい」だけで安い方を殺すな。
C — 企業または高セキュリティ： 日常は Codex か Claude Code の権限モード。Pi は監査済みイメージの中だけに出し、ネットワークとシークレットは課題ごとに発行する。ディスク書き込み、ブラウザ起動、本番副本へ触るセッションは破棄可能なリモート Mac へ置き、執務用ノートと混ぜない。アカウントと納品の境界は ヘルプセンター。
よくある誤解
- モデルでハーネスを選ぶ： 「Opus を使うから公式 CLI 必須」。ハーネスだけ替えても合格率と 1 課題コストは動く。
- 百万トークン定価を開発コストだと思う： 安いモデルはラウンドを増やす。厚いプロンプトはキャッシュヒット後も注意を占有する。
- Pi の同権既定を楽だと読む： ポップアップが無いことは安全と同義ではない。知らないリポジトリとシークレットは先にサンドボックスへ。
- 全課題を最大 effort に固定する： 薄いハーネスは最上段で負けることがある。受け入れにダイヤルを含めよ。
- 並列のため子エージェントを安易に割る： 子はシステムプロンプト全体を再読込し得る。請求が速度より先に爆発する。
導入手順：7 ステップ
- このリポジトリから三題を取る。既存流儀でのコード生成、すでに赤いテストの修正、ファイル名を言わない回帰の特定。「もっと良くして」のような採点不能な空依頼は捨てる。
- 同じモデルで Pi と公式ハーネスの両方に三題を流す。入出力トークン、ウォールタイム、テスト成否、触ったファイルを記録する。答えが漏れる git 履歴をエージェントに読ませるな。
- 作業を機械的な穴埋めと曖昧な探索に分ける。前者の既定は Pi、後者の既定は Claude Code または Codex。比率をチーム合意に書き、毎朝その場で決め直すな。
- 課金経路を明文化する。席利用者は、すでに API を払っていない限り「トークン半額」を乗り換え理由にするな。従量利用者はテスト付き完了課題あたりの金額で表を作り、定価では作らない。
- Pi の隔離を一つ選ぶ。ローカルコンテナ、小型 VM、またはリモート Mac ノード。厚いハーネスでは権限モードと許可 MCP を突き合わせる。キーはプロンプトにもスクリーンショットにも入れない。
- シーンで主ハーネスを選び、重ね置きを許す。個人は Pi 主、小チームは Claude Code 探索＋Pi 穴埋め、企業は書き込みを監査済み入口に閉じる。
- 実行は再現可能な Mac ノードへ。同じイメージ、同じテストコマンド、セッション終了で作業領域を消す。ノートのキャッシュだけ緑でも受け入れではない。
FAQ
Pi、Claude Code、Codex のどれが強いモデルか？
問いが違う。2026 年 9 月、三つとも旗艦モデルの前に座れる。同じモデルでハーネスを替えると合格率も請求も動く。文脈の送り方、権限の止め方、ベンダーを替えられるかを先に比べよ。
Claude Code を契約していても Pi を入れるべきか？
入れるべきだ。すでに API を払っているか、機械的な改修が多いなら特に。サブスクが買うのは厚いハーネスの保険だ。穴埋め、モデル切り替え、トークン制御は今も Pi に向く。一週間併用してから主経路を決めよ。
Codex は OpenAI モデルしか使えないのか？
既定の製品ラインは GPT-5.6 の Sol / Terra / Luna だ。強みは隔離方針と、ChatGPT / Codex Web の同一アカウントである。同じ CLI で Claude、Gemini、ローカルモデルを切り替えるなら Pi を選べ。
トークン単価が安いことは開発コストが低いことと同じか？
同じではない。比べるのは「テスト付き完了課題が何ドルか」であり、百万トークン定価ではない。安いモデルはラウンドを増やす。厚いシステムプロンプトはキャッシュが当たっても注意を占有する。
Pi に権限ポップアップが無い。ノート PC で直接動かしてよいか？
動く。知らないリポジトリや本番シークレットではやるな。文書どおり、Pi は起動ユーザーの権限を継ぐ。書き込みと bash を開ける前に、コンテナかリモート Mac ノードへ置け。
まとめ
2026 年の AI コーディングエージェント選定は、モデル順位表の買い物ではない。入口はハーネスの厚みで選べ。要件が明確でトークン制御やモデル切り替えが要るなら Pi。プロンプトがまだ薄く、計画とガードが要るなら Claude Code。すでに OpenAI 圏にいて既定隔離が要るなら Codex。 コード生成とバグ修正は位置が分かっているかで分流し、請求は完了タスクで見、権限は評判ではなく既定値で決める。7 ステップでサンプル課題、effort ダイヤル、再現ノードを受け入れに書け。リモートノードは レンタルページ と 料金ページ から、アカウントの質問は ヘルプセンター へ。