先日参加した CursorMeetupSapporo で、Cursor の @nickwm さんがモデル性能と Cursor の強みについてたくさん答えてくれた。その内容を Cursor Grok 4.5 にまとめてもらったものをベースに、公式ベンチマーク（CursorBench 3.2）のデータも加えて整理する。
なぜ今「どのツールを選ぶか」が重要になったか
AI駆動開発のツールが乱立しているなかで、「Claude Code、Codex、Cursor の違いは何か」という質問が出るのは自然な流れだ。Nick さんの回答は、単純な機能比較ではなく「どこが将来にわたって安定した選択肢か」という視点で整理されていたのが印象的だった。
1. モデルの中立性：特定ラボへのロックインを避けられる
Claude Code は Anthropic のモデルに限定され、Codex は OpenAI のモデルに限定される。Cursor は Anthropic / OpenAI / Gemini / オープンソース / Cursor 独自モデルまで選べる。
ポイントは「数週間ごとに最強モデルが入れ替わる」という現実だ。特定のモデルファミリーに縛られる製品を選ぶと、年間のかなりの期間、一番良いモデルへ届かない状態になりやすい。更新サイクルが速い今は、ロックインの機会コストが大きい、という話だった。
2. コストと性能のバランス：Anthropic の約1/10という数字
Anthropic のモデルはトークン単価が高めだ。Cursor 独自モデルは同等クラスでも、Anthropic のトークン単価の約1/10という価格設定になっている。用途に応じて高性能寄りかコスパ寄りかを切り替えられるのが強みだ。
実際の数字は公式ベンチマーク（CursorBench 3.2）で確認できる。横軸が1タスクあたりの平均コスト、縦軸がスコア（能力）という散布図で、コスパを視覚的に比較できる。
CursorBench 3.2 主要モデルのスコアとコスト
| モデル | スコア | コスト/タスク |
|---|---|---|
| Claude Fable 5 Max | 70.5% | $17.32 |
| Claude Opus 5 Max | 70.0% | $8.23 |
| Claude Fable 5 Extra High | 68.4% | $11.73 |
| GPT-5.6 Sol Max | 67.2% | $5.69 |
| Claude Opus 5 High | 66.7% | $3.91 |
| Grok 4.5 High ※ | 66.7% | $1.51 |
| Claude Fable 5 High | 66.5% | $8.77 |
| Claude Opus 4.8 Max | 62.3% | $5.77 |
| Composer 2.5 | 56.1% | $0.44 |
Grok 4.5 はトップ層（66.7%）でありながら $1.51/タスクというコスパが際立つ。Composer 2.5 は Cursor 専用で $0.44/タスクと、コスト重視のユースケースで選択肢になる。
※ Grok 4.5 についての注記：Cursor コードベースの旧スナップショットが意図せずトレーニングデータに含まれており、スコアへの正確な影響は不明。将来のモデルではそのデータを除外済みとのこと。
Composer は Cursor 専用。Grok は Claude Code や Codex では利用できない。
3. ハーネスが本丸：同じモデルでも結果が変わる
Nick さんが最も強調していたのがこの点だ。
「ハーネス」とは、モデル自体の周りに構築されたフレームワークのことだ。プロンプトを送った後、ハーネスは次のことをまとめて実行する。
- 関連ファイルの読み込み（コンテキストウィンドウへの追加）
- Skills の取り込み
- CLI・MCP サーバーへのコール実行と出力読み込み
- ファイルへの書き込み
- サブエージェントの起動
各モデルごとに異なるシステムプロンプトも分けて作成している。モデルごとに挙動が違うため、指示の仕方も変える必要があるからだ。
Nick さんの見立ては「選択するモデルよりもハーネスの方が重要になってきている」というものだ。
実際、同じ Claude Opus 4.8 を使って同じプロンプトを Cursor と他ツールで送った比較では、Cursor の方がよりクリーンなコードを生成する。処理も速く、トークン消費も少ない、という第三者ベンチマークの結果があるとのことだった。
なぜハーネスが差別化要因になってきたか
優秀なモデルが増え、互いに置き換え可能（interchangeable）になってきたことが背景にある。コーディングタスクのほとんどでは、優秀なモデルの中から選べばどれを使うかはあまり重要ではなくなりつつある。そのため、ハーネスの質が成果の差を生む場面が増えている、ということだ。
4. SDLC フルスイート：IDE 以外への広がり
IDE / CLI だけでなく、以下まで展開している。
- クラウドエージェント（Cloud Agents）
- Bugbot
- Graphite 買収
- Origin（ソース管理、秋リリース予定）
Codex や Claude Code はこのフルスイートまでまだ薄い、という見立てだった。ソフトウェアファクトリーを作り SDLC の自動化を進める中で、エンドツーエンドのサービスを提供するプラットフォームを選ぶことがますます重要になる、という話だ。
5. 組織導入のしやすさ：初日から全員同じ環境で
Cursor は導入してすぐ使える。Claude Code は自分で組み立てる楽しさはあるものの、50人規模の組織に展開する場合は「部品の箱を渡して各自組み立て」になりやすい。初日から全員が同じ環境でスタートできるのが Cursor の利点、という話だった。
まとめ
CursorMeetupSapporo での Nick さんの回答を整理すると、Cursor の優位性はおおむね次の三本柱に集約される。
| 強み | 内容 |
|---|---|
| モデルの中立性 | 全ラボのモデルに対応。ロックインを回避できる |
| ハーネスの品質 | 最高水準のフレームワーク。同じモデルでも性能が上がる |
| SDLC フルスイート | Bugbot・Graphite・Origin まで一貫したサービス群 |
コスト面では、Cursor 独自モデル（Composer）は Anthropic の約1/10の価格で同等クラスの性能を目指している。CursorBench 3.2 では Grok 4.5 High が $1.51/タスクでトップ層に並んでいる点も見どころだ。
ベンチマークの詳細は cursor.com/cursorbench で確認できる。比較ビューは cursor.com/evals にもある。