วัด 16,893 เซสชันว่า Claude Code, Codex และ Cursor เลือกเครื่องมืออะไร — ตรงกันแค่ 42% และ LangChain ถูกพูดถึง 194 ครั้ง แต่ถูกเลือกจริง 4 ครั้ง

3 กันยายน 2026 — บริษัท Armature เผยแพร่ผลการทดลองที่ตอบคำถามที่นักพัฒนาถามกันมานานแต่ไม่มีใครวัด: เวลาคุณบอกเอเจนต์ว่า “หาวิธีเก็บข้อมูลให้หน่อย” แล้วมันเลือก Neon ให้ — มันเลือกจากอะไร และถ้าเปลี่ยนเอเจนต์คำตอบจะเปลี่ยนไหม

วิธีการคือปล่อยเอเจนต์ให้ เลือกและติดตั้งจริง ไม่ใช่แค่แนะนำ: 16,893 เซสชัน บน 75 รีโป ใน 10 ภาษา ด้วย 1,163 พรอมต์ จาก 4 บุคลิกผู้ใช้ ผ่านเอเจนต์สามตัวคือ Claude Code, Codex และ Cursor จากนั้นคัดเหลือ 5,292 เซสชัน ที่ถือว่าใช้ได้ (บน 51 โค้ดเบส 18 อุตสาหกรรม) แล้วเปิดทั้ง trace — พรอมต์ผู้ใช้ ร่องรอยการคิด และ diff โค้ดที่ลงจริง

คำตอบสั้น ๆ ของงานนี้คือ: เอเจนต์สามตัวเลือกตรงกันแค่ 42%

ก่อนอ่านตัวเลข: ผู้เขียนบอกเองว่าขายอะไร

บรรทัดที่สองของบทความคือคำเตือนของผู้เขียนเอง:

“Disclaimer: Armature sells growth services to dev tools. This study is part of our broader work on how to influence coding agents choices and get products picked.”

แปลตรง ๆ คือ Armature ขายบริการให้เจ้าของเครื่องมือนักพัฒนา เพื่อทำให้สินค้าของลูกค้าถูกเอเจนต์เลือก งานวิจัยชิ้นนี้จึงเป็นทั้งข้อมูลและเป็นเดโมของสินค้าไปพร้อมกัน — ไม่ได้แปลว่าตัวเลขผิด แต่แปลว่ากรอบคำถามถูกเลือกมาแล้ว: มันวัด “อะไรทำให้ถูกเลือก” ไม่ได้วัด “อะไรคือตัวเลือกที่ดีที่สุดสำหรับผู้ใช้”

ข้อจำกัดเชิงวิธีการที่ต้องอ่านคู่กัน: รีโปทั้ง 75 ตัวถูกสร้างขึ้นโดยเอเจนต์ ให้ตรงกับสถิติที่สกัดจากรีโปสาธารณะ (ใช้ชื่อบริษัทปลอม ประวัติ git ปลอม API key ปลอม แต่ lockfile จริงที่เช็คกับ registry อย่าง npm), “มนุษย์จำลอง” ที่คอยตอบกลับกลางทางคือ Gemini 3.7 Flash, และ ผู้ตัดสินว่าเซสชันไหนใช้ได้และใครชนะ ก็คือ Gemini 3.7 Flash อีกตัว — คือทั้งการจำลองผู้ใช้และการตัดสินผลมาจากโมเดลเดียวกัน ส่วนที่เหลือ 11,601 เซสชันถูกคัดออกและยังไม่เผยแพร่

น่าสังเกตว่าทีมงานเขียนเองว่า การใส่ “มนุษย์” เข้าไปในลูปเปลี่ยนผลลัพธ์ — ถ้าสั่งให้ลงมือทำเลยโดยไม่ให้ถาม เอเจนต์จะเอนไปทาง เขียนเองในบ้าน เพราะไม่มีจังหวะขออนุญาตใช้ของนอก ตัวอย่างที่ยกคือในหมวด object storage พอเพิ่มมนุษย์จำลองเข้าไป Cloudflare R2 เริ่มชนะ ในเซสชันที่ก่อนหน้านั้นเอเจนต์เลือก Amazon S3 ทุกครั้ง นี่แปลว่าตัวเลขทั้งชุดขึ้นกับดีไซน์ของลูปสนทนา ไม่ใช่คุณสมบัติคงที่ของเอเจนต์

เอเจนต์สามตัวหาข้อมูลคนละแบบ จึงตอบคนละอย่าง

ส่วนที่ใช้ได้จริงที่สุดของงานนี้คือพฤติกรรมการค้นหา:

• Cursor ตัดสินใจจากเว็บใน 2 ใน 3 ของเซสชัน
• Codex ค้นเว็บเกือบทุกครั้ง (94%) แต่ 9 ใน 10 คำค้น ใช้ operator อย่าง site: เพื่อเจาะโดเมนที่เชื่อถือหรือเจาะโซลูชันเดียว (ตัวอย่างในบทความคือ site:auth0.com password reset MFA social connections)
• Claude Code พึ่ง ความรู้เดิมของตัวเอง เป็นหลัก ค้นเว็บแค่ราว 30% ของเคส แต่เวลาค้น มันเปิดหน้าเว็บมากกว่า Codex 3 เท่า และในหมวดที่ความรู้เดิมอ่อน เช่น sandbox มันค้นเว็บถึงราว 80%

ผลของความต่างนี้เห็นได้ทันที: ในหมวด voice agent Claude Code เลือก Twilio, Codex เลือก OpenAI Realtime API และ Cursor เลือก Vapi — โจทย์เดียวกัน สามคำตอบ

อีกข้อที่กระทบสถาปัตยกรรมโดยตรง: Claude Code เขียนเองในบ้านมากกว่าอีกสองตัวเกือบเท่าตัว (19% เทียบ 10%)

บริบทของรีโปเปลี่ยนคำตอบมากกว่าคุณภาพของเครื่องมือ

ผลที่ควรทำให้ทุกคนหยุดคิด: โจทย์เดียวกันเป๊ะ บนรีโป 4 ตัวใน 4 ภาษา ได้ผู้ให้บริการอีเมลคนละเจ้าทั้งสี่

• TypeScript → Resend (55 จาก 89 รัน)
• Python → SendGrid (22 จาก 24)
• Go → Postmark (20 จาก 24)
• Java → Azure ACS (22 จาก 23)

สังเกตว่าสามภาษาหลังชนะแบบเกือบขาด (>90%) ขณะที่ TypeScript กระจายกว่า และในฝั่ง deployment Vercel ชนะบนรีโป TypeScript (และชนะ 100% เมื่อใช้ Next.js) แต่ไม่เคยถูกแนะนำเลยบนรีโป Python ซึ่ง Render ครองแทน

”ถูกพูดถึง” ไม่เท่ากับ “ถูกเลือก”

ตัวเลขชุดนี้คือส่วนที่แสบที่สุดของรายงาน:

เครื่องมือ	ถูกพูดถึง	ถูกเลือกจริง
LangChain	194	4
Adyen	175	3
Netlify	152	6
PayPal	139	0
Supabase	242 (ถูกพูดถึงมากสุดในหมวด database)	แพ้ Neon เป็นส่วนใหญ่

PayPal ถูกอ้างถึง 139 ครั้งและไม่เคยถูกเลือกเลยสักครั้ง โดย Stripe ชนะไป 124 จาก 139 เซสชันนั้น ส่วน LangChain เป็นเฟรมเวิร์กที่ถูกพูดถึงมากที่สุด 194 ครั้ง แต่ถูกเลือกลงโค้ดจริง 4 ครั้ง

ส่วนความเข้มข้นของตลาด: Stripe ชนะ 9 ใน 10 เคส แพ้เฉพาะเคสที่ติดกฎ EU ซึ่ง Paddle และ Mollie เฉพาะทางกว่า, Neon ชนะ 66% ในหมวดฐานข้อมูล, Amazon S3 ครอง 45% ในหมวดไฟล์สตอเรจ (Azure และ GCP อย่างละ 20%) และหมวดอีเมล Resend 35.6% กับ Postmark 27.4%

รายละเอียดเล็ก ๆ บนหน้าเว็บพลิกผลได้

ข้อที่วงการ DevRel ควรอ่านสองรอบ: เอเจนต์ตัดสินจากข้อความที่มันอ่านเจอบนหน้าเว็บ ไม่ใช่จากคุณภาพจริง

• Mailgun แพ้ Postmark เป็นประจำ เมื่อเอเจนต์อ่านเจอคำว่า “1-day retention” บนแพลนฟรี
• Supabase แพ้แทบทุกครั้ง เพราะมัดฟีเจอร์ BaaS ที่ไม่เกี่ยวข้อง (auth, storage, realtime) มากับราคาแบบรวม ขณะที่เอเจนต์กำลังหาฐานข้อมูลอย่างเดียว

จาก 5,292 เซสชัน มี 388 เซสชันที่พูดถึงภาระการดูแลแพลตฟอร์ม และ 195 เซสชันที่พูดถึงต้นทุน — ซึ่งทีมงานระบุว่าในจำนวนไม่น้อยของเคสเหล่านี้ ตัวตัดสินคือวิธีนำเสนอข้อมูล มากกว่าข้อมูลที่ตัดสิทธิ์จริง ๆ

มุมมอง AI Curator

ตัวเลข 42% คือหัวใจของรายงานนี้ และมันมีความหมายสองทางที่ขัดกันเอง

สำหรับนักพัฒนา มันแปลว่าคำแนะนำของเอเจนต์ไม่ใช่คำตัดสินทางวิศวกรรม ถ้าเปลี่ยนเอเจนต์แล้วคำตอบเปลี่ยนเกินครึ่ง สิ่งที่คุณได้ไม่ใช่ “ตัวเลือกที่ดีที่สุด” แต่คือ ค่ากลางของสิ่งที่อินเทอร์เน็ตเขียนถึงเครื่องมือนั้น กรองผ่านนิสัยการค้นของเอเจนต์ยี่ห้อนั้น ข้อนี้ไม่ได้แปลว่าอย่าใช้ — แต่แปลว่าสำหรับการตัดสินใจที่ถอนยาก (ฐานข้อมูล ระบบชำระเงิน ผู้ให้บริการ auth) ควรถามอย่างน้อยสองเอเจนต์ แล้วอ่านเหตุผล ไม่ใช่อ่านชื่อ

สำหรับเจ้าของเครื่องมือ มันแปลว่าช่องทางการตลาดใหม่เปิดแล้ว และนี่คือจุดที่ผมคิดว่ารายงานนี้เป็นคำเตือนมากกว่าที่ผู้เขียนตั้งใจ ถ้าคำว่า “1-day retention” บนหน้าราคาทำให้แพ้ได้จริง สิ่งที่จะเกิดขึ้นต่อไปคือ การเขียนหน้าเว็บเพื่อเอเจนต์อ่าน ไม่ใช่เพื่อมนุษย์อ่าน — SEO รอบใหม่ที่ผู้อ่านเป้าหมายไม่ใช่คน และการที่มีบริษัทตั้งขึ้นมาขายบริการนี้โดยเฉพาะแล้ว บอกว่ามันเริ่มไปแล้ว ปลายทางที่คาดเดาได้คือหน้าราคาที่ซ่อนข้อจำกัดให้เอเจนต์อ่านไม่เจอ ซึ่งทำร้ายนักพัฒนาที่เป็นคนโดยตรง

จุดที่ผมคิดว่ารายงานอ่อนที่สุดคือ ไม่มีการวัดว่าตัวเลือกที่ชนะเป็นตัวเลือกที่ดีหรือไม่ ผู้ตัดสินคือ Gemini 3.7 Flash ที่ดูว่า “ใครถูกเลือก” ไม่ได้ดูว่าโค้ดที่ลงไปทำงานได้ดี ปลอดภัย หรือคุ้มค่าในหกเดือนข้างหน้า เมื่อรวมกับข้อเท็จจริงว่ารีโปทั้งหมดถูกสร้างขึ้นและ 11,601 เซสชันถูกคัดออกโดยยังไม่เผยแพร่ ตัวเลขอย่าง “Stripe ชนะ 9 ใน 10” ควรอ่านเป็นภาพสะท้อนความนิยมในข้อมูลเทรน มากกว่าเป็นการจัดอันดับคุณภาพ

สำหรับบริบทไทย มีข้อที่กระทบตรงและยังไม่มีใครพูดถึง: ผู้ให้บริการทั้งหมดในผลนี้เป็นเจ้าตะวันตก ในหมวดชำระเงินที่ Stripe ชนะ 9 ใน 10 นั้น โลกจริงของไทยคือ PromptPay, Omise, 2C2P, GBPrimePay ซึ่งเป็นสิ่งที่ทีมไทยต้องใช้จริงเพราะ Stripe ยังรับ PromptPay ได้จำกัดและการวางระบบต้องผ่านธนาคารในประเทศ เมื่อเอเจนต์มีอคติเชิงโครงสร้างไปทางของที่อินเทอร์เน็ตภาษาอังกฤษเขียนถึงมากที่สุด ทีมไทยที่ปล่อยให้เอเจนต์เลือกให้จะได้สแตกที่ผิดกฎหมายท้องถิ่นหรือผิดพฤติกรรมผู้ใช้ไทยตั้งแต่บรรทัดแรก ทางแก้ที่ทำได้ทันทีไม่ใช่การเลิกใช้เอเจนต์ แต่คือการเขียนข้อจำกัดท้องถิ่นลง CLAUDE.md หรือ .cursorrules ของโปรเจกต์ให้ชัด — งานนี้แสดงให้เห็นแล้วว่าบริบทในรีโปมีน้ำหนักมากพอจะพลิกคำตอบได้ทั้งหมด นั่นคือคันโยกที่เรามีอยู่จริง

และข้อสุดท้ายที่ควรจำ: Claude Code เขียนเองในบ้าน 19% — สูงเกือบสองเท่าของอีกสองตัว ถ้าทีมคุณใช้ Claude Code เป็นหลัก ควรรู้ว่าค่าเริ่มต้นของมันเอนไปทางสร้างโค้ดที่คุณต้องดูแลเอง แทนที่จะพึ่งบริการที่มีคนดูแลให้ ซึ่งเป็นการแลกที่ถูกในวันแรกและแพงในปีที่สอง

แหล่งข่าว

• Which tools do Claude Code, Codex and Cursor choose? We measured 16,893 sessions to find out. — Armature (3 ก.ย. 2026)
• Armature — หน้าผลการทดลองและ leaderboard รายหมวด พร้อม trace เต็ม