Claude Code に向いているプログラミング言語

English version →

TL;DR

Claude Code に 13 言語で簡易 git を実装させたところ、Ruby・Python・JavaScript が最速・最安・最安定でした。静的型付けの言語は 1.4〜2.6 倍遅く、生成コストがかかる傾向がありました。

はじめに

AIコーディングエージェントに向いているプログラミング言語はなんでしょうか。

「AIのバグを防ぐため、型システムは重要！」
「いや、型注釈がないほうがトークン数が少なくて済む！」

定性的な議論は見かけるんですが、定量的な話を見ないので、実験してみました。

実験

Claude Code に、いろいろな言語で「簡易 git」を作らせて、かかった時間やコストを計測しました。
git は Linus が 2 週間で作ったと聞くので、よい題材かなと。

タスクは 2 段階に分けました。

• v1（新規作成）: init / add / commit / log をサポートする version 1 を作る。
• v2（機能拡張）: status / diff / checkout / reset を追加した version 2 を作る。

具体的には、「SPEC-v1.txt を読んで言語 X で実装し、test-v1.sh がパスすることを確認せよ」というプロンプトを与えました。v2 も同様です。

比較した言語は次の通り。

分類	言語
動的型付け	Python, Ruby, JavaScript, Perl, Lua
動的型付け＋型検査	Python/mypy, Ruby/Steep
静的型付け	TypeScript, Go, Rust, C, Java
関数型	Scheme（動的型付け）, OCaml（静的型付け）, Haskell（静的型付け）

Python/mypy は型注釈付きの Python を書かせて mypy --strict を通させるもの、Ruby/Steep は RBS 型シグネチャを書かせて steep check を通させるものです。型検査なしの Python・Ruby と比較するための条件です。

各言語 20 回ずつ試行しました。モデルは Claude Opus 4.6 (high effort) です。

結果

20回の試行の平均結果です。平均コストでソートしています。

言語	テスト成功率（v1+v2）	v1+v2所要時間	平均コスト	LOC（v2）
Ruby	40/40	73.1s± 4.2s	$0.36	219
Python	40/40	74.6s± 4.5s	$0.38	235
JavaScript	40/40	81.1s± 5.0s	$0.39	248
Go	40/40	101.6s±37.0s	$0.50	324
Java	40/40	115.4s±34.4s	$0.50	303
Rust	38/40	113.7s±54.8s	$0.54	303
Perl	40/40	130.2s±44.2s	$0.55	315
Python/mypy	40/40	125.3s±19.0s	$0.57	326
OCaml	40/40	128.1s±28.9s	$0.58	216
Lua	40/40	143.6s±43.0s	$0.58	398
Scheme	40/40	130.6s±39.9s	$0.60	310
Typescript	40/40	133.0s±29.4s	$0.62	310
C	40/40	155.8s±40.9s	$0.74	517
Haskell	39/40	174.0s±44.2s	$0.74	224
Ruby/steep	40/40	186.6s±69.7s	$0.84	304

15 言語 × 2 タスク × 20 回 = 600 回の Claude Code の実行のうち、テストをパスしない状態で終わったのは 3 回でした。
失敗の内訳は、Rust が 2 回、Haskell が 1 回。Rust の失敗ログの 1 つを見ると、「テストが間違っている」と主張していました。Rust の他の試行では成功しているので、ハルシネーションだと思われます。

トータルの時間とコスト

v1 + v2 の合計の所要時間のドットプロットです。

それからコスト。

Ruby、Python、JavaScript がトップ 3 で、所要時間 73〜81 秒、コスト $0.36〜0.39。標準偏差も小さく、安定して速いです。

4 位以降は Go、Rust、Java と続きますが、標準偏差が急に大きくなります。Go は平均 102 秒ですが ±37 秒とブレが大きい。

ちなみに、時間とコストの散布図です。おおよそ、所要時間 ≒ コストと言ってよさそうです。

最終的なコード行数

v2 が終わった後の LOC（コード行数）です。

OCaml（216 行）、Ruby（219 行）、Haskell（224 行）が最もコンパクト。Python（235 行）、JavaScript（248 行）と続きます。C は平均 517 行と突出して多い。

時間と最終的な行数の散布図はこちら。

面白いのは、LOC が少ない＝速い・安い、とは限らないこと。OCaml と Haskell は LOC こそ少ないのに、時間もコストもそんなによくありません。

v1/v2 詳細結果

v1 と v2 の内訳です。

言語	v1 所要時間	v1 ターン数	v1 LOC	v1 テスト	v2 所要時間	v2 ターン数	v2 LOC	v2 テスト	合計時間	平均コスト
Ruby	33.2s± 2.5s	6.0	107	20/20	40.0s± 3.0s	7.0	219	20/20	73.1s± 4.2s	$0.36
Python	32.9s± 1.3s	6.0	113	20/20	41.8s± 4.5s	7.1	235	20/20	74.6s± 4.5s	$0.38
Javascript	36.0s± 3.5s	6.0	123	20/20	45.1s± 4.1s	7.2	248	20/20	81.1s± 5.0s	$0.39
Go	47.5s±34.5s	7.7	143	20/20	54.1s±12.3s	9.7	324	20/20	101.6s±37.0s	$0.50
Java	64.3s±31.1s	8.7	152	20/20	51.2s± 8.1s	9.6	303	20/20	115.4s±34.4s	$0.50
Rust	53.6s±36.7s	9.4	139	19/20	60.1s±19.2s	10.1	303	19/20	113.7s±54.8s	$0.54
Perl	84.4s±43.1s	9.2	173	20/20	45.7s± 6.8s	7.5	315	20/20	130.2s±44.2s	$0.55
Python/mypy	52.7s± 8.3s	9.2	171	20/20	72.6s±14.4s	12.2	326	20/20	125.3s±19.0s	$0.57
Ocaml	80.9s±28.8s	11.2	111	20/20	47.1s± 6.0s	9.2	216	20/20	128.1s±28.9s	$0.58
Lua	96.4s±42.8s	10.1	226	20/20	47.2s± 5.2s	8.1	398	20/20	143.6s±43.0s	$0.58
Scheme	66.7s±36.7s	8.9	171	20/20	63.9s±10.0s	10.6	310	20/20	130.6s±39.9s	$0.60
Typescript	69.9s±18.8s	12.2	149	20/20	63.1s±17.8s	11.3	310	20/20	133.0s±29.4s	$0.62
C	65.0s±18.2s	8.2	276	20/20	90.8s±39.1s	13.7	517	20/20	155.8s±40.9s	$0.74
Haskell	74.3s±39.1s	10.3	119	19/20	99.6s±32.4s	16.4	224	20/20	174.0s±44.2s	$0.74
Ruby/steep	105.0s±65.2s	20.2	150	20/20	81.6s± 8.8s	17.2	304	20/20	186.6s±69.7s	$0.84

ターン数とは、1 回のプロンプト実行中に Claude が何回 API ラウンドトリップ（ツール呼び出し → 結果受け取り → 次の応答）を繰り返したかの回数です。

v1（新規作成）の所要時間

v1 では言語間の差が大きく出ています。Python（32.9 秒）と Ruby（33.2 秒）が僅差でトップ、JavaScript（36.0 秒）が続きます。一方、Ruby/Steep は 105.0 秒と Ruby の約 3.2 倍。Lua（96.4 秒）や OCaml（80.9 秒）も遅め。

v1 は空のディレクトリからスタートするので、Cargo.toml や package.json などのプロジェクト設定ファイルを生成するコストが含まれます。Python/Ruby/JavaScript などは minigit ファイル 1 つを生成するだけで済むので、差が大きくなっている可能性があります。

v2（機能拡張）の所要時間

v2 だけを見ると、言語間の差は縮まっています。トップ 3 は Ruby（40.0 秒）、Python（41.8 秒）、JavaScript（45.1 秒）で変わらず。Perl（45.7 秒）、OCaml（47.1 秒）、Lua（47.2 秒）が僅差で続きます。

Haskell は v2 でも最も遅く、平均 99.6 秒。LOC は 224 行と最少クラスなのに時間がかかっており、思考トークンが多い模様。C は 90.8 秒で、LOC の多さ（517 行）が効いています。

Python vs Python/mypy を比べると、v1 で 1.6 倍、v2 で 1.7 倍の差。Ruby vs Ruby/Steep では v1 で 3.2 倍、v2 で 2.0 倍です。

さらなるデータや再試について

実験コードや結果はすべて次の GitHub リポジトリで公開しています。

https://github.com/mame/ai-coding-lang-bench

実行ごとの結果は report.md をご参照ください。実行ログや実際に生成されたソースコードも data ブランチ に置いてあります。

なお、benchmark.rb は --dangerously-skip-permissions を使うので、再試をしてみたい方はご注意ください（筆者は Docker の中で実行しました）。

議論

ここからは筆者の解釈です。筆者は Ruby のコミッタなので、バイアスがあることにご注意ください。また、筆者は生成されたコードを全部分析したわけでもありません。

何が速さ・安さの原因なのか？

この実験から原因を断定することはできません。また、シンプルな単一の理由があるとも思えません。

ただ、傾向から仮説を考えることはできます。

• 型システムの有無: 動的型付けの言語のほうが安定して速く生成できる傾向は確実にあるようです。
• 短く簡潔に書けること: 短く書ける言語のほうが速く書けるのは直感にあいます。ただし、OCaml や Haskell は最終的な行数が少ないのにコストが高い。思考中に消費されるトークン数が多いようです。
• 手続き型と関数型: Ruby 、Python 、JavaScript のトップ 3 を除くと、いわゆる手続き型と関数型言語で生成効率に大きな差はないように見えます。特筆すべきは、OCaml が v2（機能拡張）で 47.1 秒と JavaScript に迫る速さでした（OCaml は手続き型的にも書けるので、純粋な関数型との比較は難しいですが）。
• 言語固有の難しさ: C のメモリ管理、Rust の所有権などが生成効率に影響している可能性はあるかもしれません。
• AI の習熟度: Python・Ruby・JavaScript は学習データが大量にあるはず。一方、Scheme・Haskell は少ないと思われ、結果も遅い傾向があります。Ruby/Steep が Ruby の 2.0〜3.2 倍かかるのに対し Python/mypy は Python の 1.6〜1.7 倍で済んでいるのも、mypy のほうが AI にとって馴染みがあるからかもしれません。

おそらく、これらが複合的に効いていると考えるのが妥当でしょう。

型がないと生成コードにバグがある可能性は？

あります。テストをパスしたというだけなので。動的型付けの言語では、テスト外のパスで型エラーが起きるかもしれません。

ただ、個人的な意見なのですが、型エラーはバグの中では検出やデバッグがしやすい部類のものです。もし型検査なしでは型エラーを頻繁に混入させるようなエージェントだとしたら、もっと発見しにくいロジックのバグも同程度に書いているはずで、型検査の有無以前の問題ではないでしょうか。

もうひとつ興味深いのは、600 回の実行のうち、失敗（テストが通らないまま終了）したのは Rust（2 回）と Haskell（1 回）だけだという事実です。どちらも静的型付けで、所有権やモナドなど独自の概念を持つ言語です。たまたまかもしれませんが、まあ、型があってもバグは出ます。

差はたかだか 2 倍程度。大差ないのでは？

個人的には大差だと思います。

実際の開発では、作りながら仕様を固めるので、「プロンプト投げる → 待つ → 次のタスクを考える」を高頻度で繰り返します。「待つ」が 1 分なのと 30 秒なのとでは、通算時間だけでなく集中力的に大きく違う。レスポンスタイムはアジャイル開発で命です。

「時間をかけても堅牢なものを作るべき」という主張もわかりますが、競合他社が倍の速度でサービスを拡充していっているとき、座して待つのが正解でしょうか？ 開発スピードもまた品質の一つです。

ただ、もし将来、1 秒と 0.5 秒になったら、大差ないといって良いと思います。

題材の規模が小さすぎる。型システムは規模が大きくなったときに効くはずだ。

否定しません。ただ、言語間で公平に比較できる大規模プロジェクトを用意するのは結構大変そう。誰かやってください。

言語選定はエコシステムや実行速度のほうが重要では？

それはそう。生成の観点でも、エコシステムに乗れれば生成されるコード量は少なく済むので、速く安いと予想されます。また、作りたいアプリで実行速度が必須なら、遅い動的型付けの言語を選ぶ道理はありません。

ちなみに今回はあくまで言語自体の比較にフォーカスするため、外部ライブラリなしで実装できそうな問題を選びました。ハッシュに SHA256 を使うとライブラリ差が出るので、独自ハッシュを使う仕様にしています。

まとめ

Claude Code の生成に向いているプログラミング言語を定量的に検討しました。
少なくとも現状のプロトタイピング段階では、Ruby 、Python 、JavaScript が向いていると言って良さそうです。

アプリの規模が大きくなれば他の言語が有利になるかもしれません。ぜひ誰か検証してください。

昔から言われている話ですが、初期は動的型付けでスピーディーに開発し、仕様が固まって規模が大きくなったら静的型付けに移行する、というのはやはり正しい戦略なのかもしれません。コーディングエージェントは言語移植にめっぽう強い印象がある（要検証）ので、これがよりいっそう現実的な選択肢になってくるかも？

注意

• 2026 年 3 月時点の評価です。AI の進化速度を考えると、半年後にはもう怪しいかも。
• この実験は the Claude for Open Source Program のお世話になりました。6 ヶ月の無料 Claude Max 20x、ありがとう Anthropic！