完全自律型AIエージェントのベンチマーク(2): Codex、Jules、OpenHandsを加えて
TL;DR
* Devinは長時間タスクの完走能力が他のエージェントより優れています。その分コストも高いです。
* Claude Code Actionはタスク実行速度が最も速く、成功率も高いです。コストパフォーマンスも高いです。
* その他のエージェントは内部セッションタイムアウトがあり、タスクを中断します。長時間タスクには向きません。
最終結果
エージェント名
完了問題数/実行時間
コスト
1問あたり
正解数/正解率
結果
🏅Devin
98問/216分
$36
$0.37
92問/91.1%
長時間タスク完遂能力抜群、コスト高
🥈Claude Code Action
92問/42分
$7.89
$0.09
65問/64.4%
最速・高コスパ
🥉GitHub Copilot Coding Agent