بر اساس گزارش XDA Developers، یکی از نویسندگان این رسانه سه جایگزین مطرح برای Claude Code یعنی Codex، Antigravity و OpenCode را در یک آزمون عملی مقایسه کرده است. وظیفه هر ابزار ساخت یک فایل HTML واحد (Single HTML File) برای ثبت داده‌های بنچمارک (Benchmark) بوده که کاملاً آفلاین (Offline) کار کند، بدون نیاز به حساب کاربری، سرور یا اتصال اینترنت داده‌ها را در مرورگر ذخیره کند و امکان مقایسه دو اجرا را فراهم آورد.
آزمون یکسان برای چهار ابزار
هر ابزار همان درخواست را در یک پوشه خالی و تنها با یک تلاش دریافت کرد؛ بدون درخواست تکمیلی یا راهنمایی اضافی. Codex و Antigravity از مدل‌های ارائه‌شده در سطح رایگان خود یعنی GPT-5.6 Terra و Gemini 3.8 Flash با تنظیم High استفاده کردند. Claude Code نسخه Sonnet 5.5 را با تنظیم High اجرا کرد و OpenCode به‌صورت محلی مدل Qwen3.6-35B-A3B را روی کارت گرافیک RTX 4070 Ti Super اجرا کرد.
معیارهای ارزیابی شامل افزودن اجرا، برجسته‌سازی سریع‌ترین اجرا برای هر بازی، انتخاب اولین اجرای کلیک‌شده به‌عنوان مبنای مقایسه (Baseline)، حذف اجرا، ماندگاری داده‌ها پس از بازخوانی صفحه و انجام خودآزمایی (Self-check) پیش از تحویل بوده است.
OpenCode: خروجی تمیز، اما خطا در مبنای مقایسه
OpenCode در مدت یک دقیقه و ۴۲ ثانیه یک ابزار ثبت بنچمارک سبک، تمیز و کاملاً آفلاین تولید کرد، اما تنها چهار معیار از شش معیار را پاس کرد. مشکل اصلی در محاسبه مبنای مقایسه بود؛ زمانی که اجرای 120 FPS نخست کلیک شد، ابزار اجرای 100 FPS را مبنا گرفت و رشد ۲۰ درصدی گزارش کرد، در حالی که افت ۱۶.۷ درصدی انتظار می‌رفت. علت این خطا آن بود که مدل مبنای مقایسه را بر اساس جایگاه در فهرست انتخاب می‌کرد، نه بر اساس کلیک کاربر.
Antigravity: رابط چشمگیر و فراتر از خواسته
Antigravity با مدل Gemini 3.8 Flash در مدت سه دقیقه خروجی‌ای ارائه داد که از نظر رابط کاربری بسیار چشمگیر بود و هر شش معیار را در اولین تلاش پاس کرد. فایل تولیدشده ۱۹۷۶ خط داشت، در حالی که میانگین سه ابزار دیگر حدود ۴۰۰ خط بود. این ابزار هنگام تایپ، نام بازی‌ها و پریست‌های گرافیکی رایج را پیشنهاد می‌داد و قابلیت‌هایی مانند جست‌وجو، فیلتر بازی، مرتب‌سازی، نوار آمار، نمایش زمان فریم (Frame Time) در مقایسه‌ها و دکمه Swap Roles برای جابه‌جایی سریع مبنای مقایسه را اضافه کرده بود.
نکته قابل توجه آن بود که Antigravity پیش از تحویل، خودآزمایی انجام داد و بررسی نحوی (Syntax Check) و مجموعه‌ای از آزمون‌های منطقی (Logic Tests) را روی فایل اجرا کرد. با این حال، فراتر از خواسته عمل کرد و یک نسخه آینه‌ای (Mirrored Version) از فایل نیز ساخت که زمان تولید را کمی طولانی‌تر کرد.
Codex و Claude Code: نزدیک‌ترین رقابت
Codex با مدل GPT-5.6 Terra در مدت دو دقیقه و ۴۲ ثانیه هر شش معیار را پاس کرد. خروجی آن دقیقاً همان چیزی بود که در درخواست آمده بود: برچسب‌گذاری مبنای مقایسه، توضیح نتیجه به‌صورت یک جمله، ذخیره‌سازی آفلاین و اجرای بررسی نحوی پیش از تحویل. با این حال، Codex صفحه را در مرورگر باز نکرد و از این نظر نسبت به Claude Code عمق کمتری داشت.
Claude Code با مدل Sonnet 5.5 در مدت دو دقیقه و ۱۴ ثانیه هر شش معیار را در اولین تلاش پاس کرد و صفحه را نیز در مرورگر آزمایش کرد. در مجموع، Codex نزدیک‌ترین گزینه به Claude Code بود، اما دو مدل رایگان Codex و Antigravity نیز توانستند در این آزمون هم‌سطح Claude Code ظاهر شوند.
نتیجه‌گیری
این آزمایش نشان می‌دهد که برای کارهای روزمره برنامه‌نویسی، فاصله میان Claude Code و برخی جایگزین‌های رایگان ممکن است به اندازه گذشته نباشد. با این حال، یک آزمون واحد برای داوری قطعی کافی نیست و ارزیابی نهایی باید با در نظر گرفتن تنوع وظایف، کیفیت خروجی و رفتار ابزارها در سناریوهای واقعی انجام شود.