Я много пишу про ИИ-агентов для программирования и постепенно пришёл к мысли, что всю тяжёлую работу делает модель. Мол, поменяйте Claude Code на Codex или Cursor, оставьте внутри тот же «мозг» — и результат будет одинаковым. Я решил проверить.
Всем трём я дал Claude Sonnet 5.5 с высоким уровнем рассуждений, один и тот же багованный прокси на WebSocket, который гоняет данные с моего Kindle в Home Assistant, 30 минут и по $10 на брата. Каждый набрал идеальные 16 из 16 на финальном коде. Но это последнее, что у них было общего.
Заставить три инструмента использовать одну модель оказалось сложнее, чем ожидалось
По крайней мере без апгрейда некоторых подписок. Казалось бы, выбрать модель — проще простого, но тут всё оказалось сложнее. Мы много тестировали все три инструмента с родными моделями по умолчанию, но для чистого эксперимента я хотел убрать лишние переменные.
Нет модели, которая была бы родной сразу для Claude Code, Codex и Cursor. Значит, хотя бы одному из них придётся гонять свою модель через слой трансляции. Ещё я хотел держаться документированных официальных путей, а они упорно вели в одну сторону.
У Cursor подписочная модель: она нужна, чтобы подключать сторонние модели. Правда, речь про всё, кроме Grok, — если вам вдруг нужно напоминание. У Codex есть поддерживаемый путь через OpenRouter как эндпоинт для сторонних моделей. Claude Code вроде бы умеет работать со сторонними моделями, но создавали его под общение только с Claude. Так что любая другая модель добавляет второй слой трансляции, работу которого не гарантирует ни один провайдер.
Этот момент и стал решающим — по крайней мере, если хочется честно сравнивать все три. Если Claude Code гарантирует работу только с моделями Claude — пусть будет так. У Cursor есть Sonnet 5.5 через API-кредиты, а Codex поддерживает OpenRouter — так что и там я мог вызывать модель через API. Cursor и Codex по умолчанию работали на высоком уровне рассуждений, поэтому в Claude Code мне пришлось вручную поднять средний уровень. После этого все три инструмента запускали одну и ту же модель с одинаковой настройкой.
Задача перед ними
Проект, который могли бы взять в работу агенты, у меня уже был. Это панель управления Kindle для Home Assistant — я портировал её с поддерживаемой версии Kindle Paperwhite на устройство, которое реально у меня на руках. В ней нашлись четыре бага, которые я хотел починить, плюс нужна была функция автоматического переподключения для прокси.
И вот ещё засада: Kindle настолько старый, что тянет только ECMAScript 5. Никаких современных удобств JavaScript — сплошные возможности для агентного инструмента ошибиться. Ещё я добавил второй промпт с новыми фичами: уведомления о статусе Home Assistant и значок офлайн-режима, чтобы предупреждать меня, если сервер упадёт. Оценивалось всё процедурой из 16 тестов, которую я намеренно убрал из папок, доступных агентам. Я давно усвоил: тест, который агент видит, он и обойдёт, лишь бы сдать, — даже если код не работает так, как задумано.
Все трое прошли мой набор тестов
Модель решала, что строить, — включая функции, о которых я не просил.
Если вы ждали, что кто-то из них провалится, — разочарую. Все трое работали на одной модели, и готовый код прошёл все мои тесты. Он прошёл и дополнительные проверки, которые харнесс написал по ходу дела, — правда, каждый инструмент выбирал для самопроверки свои тесты.
| Инструмент | Тесты, написанные агентом | Тесты, написанные мной | Общее время |
|---|---|---|---|
| Codex | 10 | 16/16 | ≈10:07 |
| Cursor | 33 | 16/16 | ≈13:01 |
| Claude Code | 42 (запущено 3× на изменение) | 16/16 | ≈14:33 |
Правки панели управления у всех трёх вышли почти идентичными, а Codex и Claude Code даже назвали функцию одинаково. Закономерность сохранилась и при исправлении переподключения: одна и та же модель в трёх разных инструментах дала одинаковые имена. Это глубокий отпечаток Sonnet 5.5, а не особенность конкретных харнессов.
Разбираясь с модулем прокси Kindle, Codex сохранил большую часть исходного кода — он решил его патчить, а не переписывать. Cursor и Claude Code, наоборот, разбили файл на мелкие методы. Cursor сохранил 43% оригинала и в своём резюме заявил, что переписал файл, а Claude Code ужал его до 34% исходного.
Все трое добавили и одинаковые незапрошенные улучшения: баннер на случай, когда Kindle теряет связь с прокси; фиксы краша из-за некорректного JSON и бага return-vs-continue; а также проверку статуса прокси при первом подключении. Ничего этого не было в планировочном документе TASK.md в рабочей папке. Но занятно видеть, как одна и та же модель приходит к одинаковым выводам о том, что чинить, — в разных инструментах.
Где задача была мелкой и чёткой, модель выдавала почти одинаковый код во всех трёх инструментах. Расхождения начинались на открытых вопросах: сколько существующего файла перестраивать, сколько защитного кода добавить и сколько тестов построить.
И ещё любопытная деталь. Исходный репозиторий панели Kindle был на немецком. Codex и Cursor сохранили немецкий в элементах интерфейса, а Claude Code написал их на английском. В целом не проблема: агента можно попросить переключиться на нужный вам язык. Спекулировать о том, почему каждый поступил именно так, я не буду.
Где инструменты действительно разошлись
Скорость, самопроверка и характер.
Вспомните, когда вы в последний раз ехали на арендованной машине вместо своей привычной. Тот же водитель, та же дорога на работу — но машина другая. И ощущается она иначе, верно? Привычки вождения при вас, а вот расход топлива, эргономика и всё остальное вмешиваются в процесс.
Примерно то же случилось и здесь. Sonnet 5.5 выдавала почти одинаковый код независимо от того, чем управляла, но общее ощущение от работы оставалось разным. Не настолько, чтобы я мог объективно назвать лучший из трёх инструментов, — но достаточно, чтобы у меня появились чёткие предпочтения.
| Инструмент | Скрытые | Оригинальная задача | Второй промпт | Всего | Токены | Стоимость | Строки +/− |
|---|---|---|---|---|---|---|---|
| Codex | 16/16 | 9:00 | 1:07 | ≈10:07 | 1.64M | $3.73 | +754 / −74 |
| Cursor | 16/16 | 11:24 | 1:37 | ≈13:01 | 3.31M | $1.11 | +1,218 / −164 |
| Claude Code | 16/16 | 7:25 | 7:08 | ≈14:33 | 2.55M | ≈$0.96 (API-экв.) | +1,179 / −176 |
Codex и Cursor справились похоже: на оба промпта ушла примерно одинаковая доля времени. Правда, Codex прогнал всего десять тестов, а Cursor — 33. Claude Code в итоге запустил 42 теста, потому что прогнал один и тот же набор трижды ради точности. Ещё он вернул исходный баг в код, чтобы убедиться, что его тесты вообще ловят проблему. В этот раз это ничего не изменило, но на больших и грязных кодовых базах такой подход мог бы решить, получите вы рабочий код на выходе или нет.
Claude Code и Codex уложились в десять минут на первом тесте — так что проверить, как ведёт себя управление со вторым промптом, смог только Cursor. Вот только по-настоящему управление он не тестировал: по умолчанию он ставит следующую команду в очередь. Я мог бы это поменять, но хотел по возможности везде проверять настройки по умолчанию.
Всем трём пришлось потратить время на настройку, чтобы они вели себя нормально на Windows. Codex игнорировал флаг --ask-for-approval, пока я не прописал его в файл настроек TOML. Потом сервер упал: не смог запустить PowerShell без заданной переменной окружения. Claude Code предпочитает Bash, так что мне пришлось выставить флаг, чтобы он брал PowerShell, а не лез в WSL. А Cursor то и дело просил подтверждения, хотя я включил авторежим.
Про цены. Наверное, неудивительно, что дешевле всего Sonnet 5.5 обходилась в Claude Code. А вот чего я не ждал: Codex через OpenRouter платил полную цену и, судя по всему, не получал токенов из кэша. Cursor, возможно, заставил бы меня раскошелиться на премиум-план за $30, чтобы гонять сторонние модели за дополнительную плату по API. Но, похоже, он кэшировал токены: я отдал $1.11 примерно за 3,31 млн токенов против $3.73 за 1,64 млн на Codex/OpenRouter. Эта математика сходится только при условии, что большинство чтений Cursor шли из кэша.
Кому из трёх я бы доверил реальный репозиторий
Все три инструмента выдали рабочий код, и различий между ними не так уж много. Так что выбор зависит от ваших предпочтений: минимальные диффы и скорость — это Codex; агент, который проверяет сам себя, — это Claude Code; а если вам важно работать в IDE и вы не против заплатить больше — берите Cursor. Я из троих чувствую себя уютнее всего в Claude Code, но и он не идеален. Мне не нравится, что вместо детального плана он выдаёт резюме, — поэтому большую часть агентного программирования я веду в Crush.