タグ: Codex CLI

Claude Code解決率38.8%：実企業コード640試行のCodex CLI比較と本番Evals設計

非公開リポジトリを対象とした最新ベンチマーク「Real-SWE」の640試行データを徹底検証。Claude Code（38.8%）、Codex CLI（33.8%）、Gemini CLI（31.2%）のハーネス連携効率と失敗特性を比較し、Docker/gVisorによる自社Evalsテストベッド構築手順と本番採用基準を策定する。