Claude Code, Codex e Cursor escolhem ferramentas diferentes: o que 17 mil execuções revelam

Quando você pede a um agente de código "escolha o melhor banco de dados↳Banco de dados134 conteúdosSQL ou NoSQL: eis a questão!!Data · mar 2020Banco de dados: como organizar e dar segurança para milhões de dados de loteriasData · mai 20215 serviços gratuitos na cloud para bancos de dados PostgresData · fev 2025Ver tudo em Data → e implemente", quem decide de fato é o agente, não você. E a decisão muda conforme qual agente você usa, qual linguagem está no repositório e como o vendor apresenta o preço na landing page. É isso que um estudo da Armature, publicado em setembro de 2026, tentou medir em escala: 16.893 sessões com Claude Code, Codex e Cursor instalando serviços de terceiros em repositórios reais.

Um aviso que vem da própria fonte e importa para ler os números com cautela: a Armature (YC P26) vende serviços de growth para dev tools. Nas palavras do co-fundador screm no thread do Hacker News, "This study is part of our broader work on how to influence coding agents choices and get products picked". Ou seja, o negócio da empresa é justamente ajudar produtos a serem escolhidos por agentes. O dado bruto e os traces são públicos, mas o incentivo existe.

O que está em disputa e pra quem

A pergunta prática para quem constrói software é direta: dá para confiar no julgamento do agente sobre qual serviço de terceiro instalar? O estudo não avalia qual agente "escreve código melhor" em geral. Ele mede uma tarefa específica e cada vez mais comum: selecionar e implementar um serviço (banco, provedor de e-mail, storage, pagamento, deploy) dentro de um codebase existente.

O recorte é relevante porque essa é a etapa que todo mundo terceiriza para o agente, do vibe coder sem base em software ao engenheiro sênior. A Armature montou 75 repositórios em 10 linguagens, com nomes de empresa falsos, históricos de git falsos, chaves de API falsas e lockfiles reais checados contra registries como o npm. Sobre isso rodou 1.163 variações de prompt, encarnando quatro perfis: vibe coder (só descreve o sintoma), engenheiro júnior (cita a categoria), engenheiro sênior (é preciso sobre requisitos) e engenheiro de grande empresa (detalha compliance e procurement).

Das 16.893 execuções, a Armature considerou 5.292 sessões válidas para publicar nesta primeira leva, sobre 51 codebases e 18 setores. O critério de escolha para você, leitor, é este: seu agente é um decisor confiável ou um vetor de viés que instala o que estava melhor posicionado no Google no dia?

Critérios de comparação em tabela

Todas as células vêm da Fonte 1. Onde o estudo não separou Cursor de Claude/Codex num critério (caso do in-house, reportado como "10%" para os dois), a tabela repete o número informado.

Análise por critério

Fontes de decisão divergem. O Codex é o mais dependente de busca: 94% das sessões, e em 9 de 10 queries usa operadores como site: para focar em domínios confiáveis ou mergulhar numa solução específica. O exemplo dado na fonte é literal: site:auth0.com password reset MFA social connections. O Claude Code faz o oposto, confia nos próprios priors e só busca em ~30% dos casos, mas quando busca navega 3x mais páginas que o Codex. Em setores mais novos, como sandboxes, onde seus priors são fracos, o Claude subiu para ~80% de busca. O Cursor fica no meio, apoiando a decisão na web em dois terços das sessões.

Os três concordam pouco. Em apenas 42% das células os três agentes escolhem a mesma ferramenta. O caso de voice agents é ilustrativo: Claude Code vai de Twilio, Codex escolhe a OpenAI Realtime API e Cursor prefere Vapi. Três agentes, três respostas para a mesma necessidade.

Construir versus instalar. O Claude Code constrói in-house quase o dobro dos outros: 19% contra 10% de Codex e Cursor. Um detalhe metodológico explica parte disso: quando o orquestrador pedia para implementar de cara sem permitir perguntas, o agente tendia a construir tudo internamente por não conseguir pedir autorização para um serviço de terceiro. A Armature adicionou um "humano simulado" no loop (papel interpretado pelo Gemini 3.7 Flash) para tornar o cenário realista. No experimento de object storage, o Cloudflare R2 passou a vencer sessões em que antes o agente sempre usava o Amazon S3.

O contexto do repositório manda mais que o agente

Este é o achado que mais muda a sua rotina. Com o mesmo pedido em quatro repositórios de quatro linguagens diferentes, saíram quatro vencedores distintos de provedor de e-mail:

O mesmo vale para deploy: o Vercel venceu em repositórios TypeScript (e em 100% dos casos quando havia Next.js), mas nunca foi recomendado em repositórios Python, onde o Render dominou. A leitura prática é que o agente lê o seu stack como sinal forte de decisão. Se você trabalha com Go ou Java, não espere as mesmas recomendações que circulam nos exemplos de TypeScript.

Ser mencionado não é ser escolhido

Outro padrão útil: nomes famosos aparecem em quase toda conversa e quase nunca são instalados. No setor de pagamentos, o PayPal foi citado 139 vezes e escolhido zero (o Stripe venceu 124 dessas 139 sessões). Adyen foi mencionado 175 vezes e escolhido 3. LangChain é o framework mais citado (194 menções) e foi escolhido 4 vezes. Netlify: 152 menções, 6 escolhas. Supabase é o banco mais mencionado (242 menções) e ainda assim foi amplamente dominado pelo Neon.

Detalhes na página do vendor viram desempate. Segundo a Armature, o Mailgun perdia com frequência para o Postmark quando os agentes liam "1-day retention" no plano free. O Supabase quase sempre perdia como banco por apresentar features de BaaS que o agente não pediu (auth, storage, realtime) num preço em bundle, enquanto ele procurava só um banco.

Alguns mercados são dominados, outros disputados. O Stripe venceu em 9 de cada 10 casos, perdendo só em cenários regulados na UE para especialistas como Paddle e Mollie. O Neon ficou com 66% no banco de dados. Em file storage, o Amazon S3 domina com 45%, seguido por Azure e GCP com 20% cada. Em e-mail, Resend e Postmark lideram com 35,6% e 27,4% de taxa de instalação.

Veredito por caso de uso

Não há vencedor único, e o estudo deixa isso explícito ao mostrar que os três agentes discordam na maioria das células. O que dá para orientar por perfil:

• Você é vibe coder ou júnior e aceita a primeira recomendação: saiba que o agente pode estar instalando o que estava mais bem posicionado na web naquele dia, não o que melhor serve o seu caso. Codex e Cursor, mais dependentes de busca, herdam mais o viés do que está publicado. Peça alternativas explicitamente.
• Você trabalha em stack fora do eixo TypeScript/Next.js: conte com recomendações diferentes das dos tutoriais. Em Python o Render venceu deploy; em Go o Postmark venceu e-mail. Não copie escolha de exemplo TS sem verificar.
• Você quer que o agente considere um serviço específico: o Codex responde bem a instruções precisas por causa do uso pesado de site:. Um sênior que já sabe o que quer tende a ter mais controle guiando o prompt.
• Você tem preocupação com custo previsível ou compliance: os dados mostram que como o preço é apresentado pesa mais que o preço em si. Reveja o diff e a justificativa do agente antes de aprovar, porque bundle de features ou uma linha de retenção podem ter desqualificado uma opção melhor.
• Você precisa de resultado determinístico e auditável: rodar a mesma tarefa em dois agentes diferentes pode render duas stacks diferentes. Padronize um agente por projeto se quiser consistência.

O que ainda não dá pra afirmar

O estudo tem limites que valem para qualquer decisão baseada nele. Primeiro, o conflito de interesse: a Armature vende exatamente o serviço de fazer produtos serem escolhidos por agentes, então os números convém à tese de que "dá para influenciar" a escolha. Segundo, a metodologia usa Gemini 3.7 Flash como orquestrador (o "humano simulado") e como juiz que valida sessões e identifica o vencedor, ou seja, um modelo de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → avaliando outros. Terceiro, 5.292 sessões foram consideradas válidas de quase 17 mil; a Armature diz que pode publicar as demais numa segunda leva, mas por ora só uma fração das conclusões foi extraída.

O estudo também não mede qualidade do código gerado nem se a escolha "vencedora" era de fato a melhor tecnicamente. Ele mede o que o agente instala, não se você deveria ter aceitado. E os placares de mercado (Stripe 9 em 10, Neon 66%) refletem o comportamento dos agentes hoje, com os priors e o índice de web daquele momento, algo que muda a cada release de modelo.

No thread do Hacker News, o incômodo com o rumo apareceu. O usuário ai_critic resumiu o medo de repetir a era do SEO↳SEO4 conteúdosPor que a transição do SEO clássico para a Otimização de Motores Generativos (GEO) exige que se repense a modelagem semânticaMarketing Tech · mai 2026O impacto da pesquisa e do SEO no comércio eletrônico: insights da State of Search Brasil 5Marketing Tech · fev 2025SEO por Elas 2025: Impulsionando e promovendo mulheres no Marketing DigitalMarketing Tech · fev 2025Ver tudo em Marketing Tech →:

Can we not encourage the same strip-mining and ad and SEO bullshit that previously ruined the last decade+ of the Internet?

ai_critic

Já jdw64 aponta um efeito de concentração possível: "the tools that AI gives the highest priority to are the ones people already choose. There might be a concentration effect toward the tools that AI selects". Se o agente sempre instala o Stripe e o Neon, esses viram ainda mais padrão, e alternativas somem do radar antes de terem chance.

Os traces completos, com prompts, cadeias de raciocínio e diffs aplicados, estão públicos no site da Armature para quem quiser auditar por conta própria. Não há imagem ou vídeo oficial liberado no material da fonte para ilustrar este texto.

Fontes: Hacker News · Reações no Hacker News