Los agentes de codificación son la categoría más controvertida en herramientas para desarrolladores en este momento. Cuatro nombres dominan la lista corta: Mistral Vibe for Code, Claude Code, Cursor y OpenAI Codex. Cada uno afirma tomar una función del mensaje a la solicitud de extracción.
Esta comparación compara los cuatro con un flujo de trabajo práctico. No es un guión de juguete. Una unidad real de trabajo de ingeniería: diseñe una función en varios archivos, genere y ejecute pruebas y luego abra una solicitud de extracción.
la tarea
Mensaje: ‘En nuestro servicio Python/FastAPI existente, agregue un punto final /subscriptions. Organice la ruta, los modelos Pydantic y una capa de servicio en los archivos correctos. Genere pruebas unitarias y de integración, ejecútelas, corrija cualquier falla y luego abra una solicitud de extracción con una descripción clara.’
Ese mensaje se asigna a tres etapas que todo agente debe superar: andamio, prueba y envío.
Metodología, expresada honestamente
Esta es una comparación de capacidades, no una sola ejecución cronometrada en una máquina. Las puntuaciones reflejan características documentadas, puntos de referencia publicados y especificaciones de proveedores al 14 de julio de 2026. Cada dimensión tiene una calificación de 1 a 5, para un máximo de 25 puntos. Cada puntuación lleva una razón de una sola línea.
Tres advertencias que importan más que las puntuaciones:
Las cifras de referencia aquí no son directamente comparables. SWE-bench Verified y SWE-Bench Pro son suites diferentes con diferente dificultad. Terminal-Bench es un tercero. Nunca los lea como una sola escala. Los reclamos de los proveedores están etiquetados como tales. La cifra de rentabilidad de Mistral es una afirmación publicada por el propio Mistral, no un resultado independiente. Estos productos se envían semanalmente. Los valores predeterminados de los modelos y los precios verificados hoy pueden variar. Cada reclamo a continuación enlaza con su fuente para que pueda volver a verificar.
Las cinco dimensiones: andamiaje de funciones, generación de pruebas y bucle de ejecución, relaciones públicas y flujo de trabajo asíncrono, cobertura de superficie y costo/apertura/control.
Resultados
Mistral Vibe es el agente unificado de trabajo y código de Mistral, y el producto anteriormente conocido como Le Chat. Su superficie de codificación ejecuta una CLI de código abierto en GitHub bajo Apache 2.0.
La pila de modelos tiene capas y la distinción es importante. Según las preguntas frecuentes de Mistral, Mistral Medium es la familia de mayor rendimiento para ingeniería de software compleja de varios pasos. Los complementos Vibe CLI e IDE funcionan con Devstral. Codestral maneja completaciones rápidas y Codestral Embed potencia la búsqueda de código semántico. Los agentes remotos se ejecutan en Mistral Medium 3.5. Juzgar a Vibe únicamente por el punto de referencia de Devstral subestima el producto.
En el scaffolding, Vibe escanea su árbol de archivos y el estado de Git en busca de un contexto consciente del proyecto y luego realiza una orquestación de múltiples archivos con razonamiento a nivel de arquitectura. Devstral 2 es un modelo denso de 123B con una ventana de contexto de 256K. Mistral lo reporta con un 72,2% en SWE-bench Verified, que lo posiciona como el más moderno entre los modelos abiertos. Devstral Small 2 (24B, Apache 2.0) obtiene una puntuación del 68,0 % y se ejecuta en hardware de consumo.
Las pruebas son una característica de primera clase: pruebas generadas automáticamente que evolucionan con el código base y se adaptan a sus patrones existentes. Los ganchos ejecutan comandos de shell personalizados antes y después de cada turno de agente, para que pueda aplicar convenciones o bloquear patrones automáticamente.
La etapa de relaciones públicas y asíncrona está bien diseñada. Los agentes de codificación remotos se ejecutan en entornos aislados para una ejecución paralela y las sesiones persisten mientras la máquina está apagada. /teleport entrega una sesión en vivo desde la CLI local a un agente remoto y viceversa. La observabilidad remota del agente proporciona historial de ejecución, llamadas a herramientas, cambios de código, registros y pistas de auditoría.
La cobertura de superficie es la más amplia aquí, y es donde Vibe obtiene un limpio 5: terminal CLI, VS Code, JetBrains, Zed, aplicación web, dispositivos móviles y agentes en segundo plano. También incluye tabulación para completar, lo que elimina el autocompletado como motivo para mantener una herramienta separada.
El costo y el control son la ventaja decisiva de Vibe. Pro cuesta $ 14,99 al mes, el nivel premium más barato de los cuatro. El equipo cuesta $24,99/usuario/mes. Hay un nivel de estudiante de $5,99. Mistral afirma que Devstral 2 es hasta 7 veces más rentable que Claude Sonnet en tareas del mundo real; nuevamente, una afirmación del proveedor. Puede autohospedarse, implementar en una nube privada o en las instalaciones, ajustar el código propietario y la capacitación del modelo se puede cancelar en los planes pagos.
Donde se queda Vibe: el 72,2% de Devstral se ubica por debajo de los modelos de frontera cerrada en evaluaciones de codificación, y los revisores han señalado errores que limitan la velocidad e inestabilidad ocasional. La CLI apunta primero a UNIX, por lo que los equipos que utilizan Windows primero deben realizar una prueba piloto antes de comprometerse.
Claude Code es la herramienta de codificación agente de Anthropic, que ejecuta Claude Opus 4.8 de forma predeterminada. Su aprovechamiento es el más profundo del campo: 30 ganchos de ciclo de vida, habilidades, complementos, subagentes, puntos de control, modo de plan y MCP.
Lidera la ejecución cruda. Los flujos de trabajo dinámicos organizan grandes flotas de subagentes paralelos en una sola sesión. Las tareas en segundo plano, los puntos de control automáticos y un ciclo maduro de prueba y verificación hacen que el andamio-prueba-PR sea su territorio. Una prueba ampliamente citada: el creador de Bun, Jarred Sumner, informó que transfirió aproximadamente 750.000 líneas de Zig a Rust con una tasa de aprobación de prueba del 99,8% en 11 días.
La debilidad es el costo y el control. Sin pesos abiertos, sin autohospedaje, sin historia de residencia de datos del tipo que necesitan los equipos regulados. El precio es de $20 Pro, $100 Max 5x, $200 Max 20x, con asientos Team por encima de eso. La quema de tokens es la verdadera factura: las autopsias públicas documentan ejecuciones paralelas de subagentes que cuestan miles de dólares, y el promedio informado por Anthropic es de aproximadamente $13 por desarrollador por día activo antes de que el paralelismo lo multiplique.
Codex es el agente de codificación de OpenAI: una CLI Apache-2.0 que también se ejecuta como servicio en la nube, extensión IDE, aplicación ChatGPT, aplicación iOS y, desde junio de 2026, en Amazon Bedrock. GPT-5.6 alcanzó disponibilidad general el 9 de julio de 2026, en tres niveles (Sol, Terra y Luna), reemplazando los valores predeterminados de GPT-5.5 citados en comparaciones anteriores.
Codex maneja el scaffolding y las pruebas dentro de un entorno limitado a nivel de kernel con la red desactivada de forma predeterminada. Incluye habilidades, complementos con un mercado, subagentes, ganchos y MCP. Lo más destacado es la asincronía entre superficies: una tarea se mueve entre CLI, nube, aplicación y dispositivo móvil sin perder estado.
El precio es una escalera: Gratis, Go por $8, Plus por $20, Pro 5x por $100, Pro 20x por $200, más asientos Business y Enterprise. El truco honesto es la ventana móvil de 5 horas. Los desarrolladores informan que las sesiones de repositorio serias agotan la asignación en aproximadamente una hora. La propia documentación de tarifas de OpenAI estima que Codex cuesta aproximadamente entre 100 y 200 dólares por desarrollador al mes, con una amplia variación según el modelo, el paralelismo y el modo rápido.
Cursor es el editor de código AI de Anysphere, una bifurcación de VS Code. Su Composer 2.5 interno está optimizado para una edición rápida y, según Artificial Analysis, obtuvo una puntuación de 62 en su Coding Agent Index. Cruza modelos fronterizos de Anthropic, OpenAI y Google en una sola superficie, y envía reglas, MCP, ganchos, habilidades, complementos y subagentes.
El cursor es excelente en una forma diferente de trabajo. Es IDE primero y está controlado en línea, y su finalización de pestañas e iteración de un solo archivo son las mejores de su clase. En un bucle PR de prueba de andamio autónomo, las herramientas de terminal primero y agente primero tienen la ventaja estructural. Se trata de un juicio adecuado, no de calidad.
El costo necesita atención. Cada nivel pago es un grupo de créditos dimensionado según su precio: Hobby $0, Pro $20, Pro+ $60, Ultra $200, Teams $40/usuario. Una vez que se gasta el fondo común, el uso se factura atrasado según las tarifas API, por lo que $20 es la entrada, no la factura. Una actualización de Teams de junio de 2026 dividió el uso en grupos propios y de terceros y agregó un asiento Premium de $120.
Conclusiones clave
Mistral Vibe for Code lideró el valor total con 22/25, impulsado por el costo, la apertura y el control. Claude Code y Codex empataron 21/25; Claude Code es líder en calidad de codificación de frontera sin procesar. Vibe es la única herramienta aquí que ofrece alojamiento propio, ajuste y residencia de datos en la UE. Los pesos abiertos de Vibe son Apache 2.0 para investigación; El despliegue comercial necesita una licencia Mistral. Las puntuaciones de referencia abarcan diferentes conjuntos y afirmaciones de proveedores, por lo que no son directamente comparables.
Explicador interactivo