「バイブコーディングでMVPを“動く形”まで持っていく」という用途だと、
- 1位：Claude Opus 4.6 (Thinking)：設計の整合性・抜け漏れ潰し・長期記憶（会話内の一貫性）が強い
- 2位：gpt-5.3-codex：実装速度・差分生成・修正ループ（バグ→パッチ）が強い
- 3位：Gemini 3.1 Pro (High)：広い文脈処理や説明は強いが、MVP実装の「手触り」は上2つに一歩譲ることがある
…という順位になると思います。
使い分けるなら今のところ以下のような感じでしょうか。
1) Opus：設計の「最小要件」を確定する係
- MVPで必須の機能/画面/データだけに削る
- 失敗しやすい点（依存・状態・認証・例外）を短いチェックリスト化
- 実装方針を「1ファイル/2ファイルで済む形」に落とす
2) codex：実装して動かす係
- 具体コード、差分、修正ループはcodexが強い
- 「動かない→原因→最小修正」の反復が速い
3) Gemini：レビュー/説明/文章/UX微調整係
- 既存コードの読み解き補助、比較表作り
- README、操作手順、UI文言、仕様の言語化
codexを上位にする場面
ChatGPTユーザーは、OpenAIの案内では、一定期間 Plus/Pro等でCodexのレート上限が2倍。状況によってはcodexが一番。
- 仕様が固い / 既存コードにパッチ当て続ける
- テスト追加・型修正・lint対応など手数の勝負
- “設計の良さ”より“修正の速さ”が成果に直結
Low：速い／軽い（MVPの叩き台・単純修正向き）
Medium：標準（普段はここで十分）
High：難所向き（設計の整合性、複雑バグ、依存関係が絡む時）
Extra high：だいたい xhigh 相当（最難関だけ。遅くなりやすい
