実世界のコーディングタスクにおけるClaude Opus 4.5 vs. GPT-5.2 Codex vs. Gemini 3 Pro

この記事は、3つの大規模言語モデル（LLM）であるClaude Opus 4.5、GPT-5.2 Codex、Gemini 3 Proを、Next.jsプロジェクト内の実世界のコーディングタスクで比較しています。著者は、ベンチマークスコアではなく、実際の機能実装に焦点を当て、機能を実装する能力、所要時間、トークン使用量、コストに基づいてモデルを評価しています。Gemini 3 Proが最も優れており、次にClaude Opus 4.5、GPT-5.2 Codexが最も信頼性が低いという結果でした。評価は、実際のプロジェクトを使用し、各モデルの3回の実行のうち最良のものを考慮して、ランダムな変動の影響を軽減しています。

• •Gemini 3 Proはコーディングタスクで最高のパフォーマンスを示し、キャッシングとフォールバックメカニズムに優れていました。
• •Claude Opus 4.5は信頼できましたが、UIにいくつかの問題がありました。
• •GPT-5.2 Codexは最も信頼性が低いものでした。
• •評価は、実際の機能実装と、コストや時間などの実用的な側面に焦点を当てました。
• •この研究では、評価に実際のNext.jsプロジェクトを使用しました。