Agent Eval Report — LegalFlow SaaS

Mejor Pass Rate

91.7%

Claude Code · 11/12 runs

Menor Coste / tarea

$0.094

Aider (gpt-4o) · pero 66.7% pass

Mayor Consistencia

100%

Claude Code · 2 tareas perfectas

Tiempo Medio

52s

Media global · rango 31s – 97s

#	Agente	Pass Rate	Aciertos	Coste total	Tiempo med.	Score
1	CC Claude Code claude-sonnet-4-5	91.7%	11/12	$0.57	47s	A+
2	CU Cursor Agent claude-3-5-sonnet	83.3%	10/12	$0.48	53s	A
3	CO Codex CLI o3-mini	75.0%	9/12	$0.38	61s	B+
4	AI Aider gpt-4o	66.7%	8/12	$0.38	45s	B

add-rate-limiting

Rate limiting 10 req/min con slowapi · endpoint /api/documents/generate

pytest

Claude Code

3/3 PASS ~43s $0.11

Cursor Agent

3/3 PASS ~51s $0.09

Codex CLI

3/3 PASS ~58s $0.08

Aider

2/3 PASS ~41s $0.09

refactor-pdf-generator

Extraer clase 450 líneas a servicio dedicado sin romper tests

grep + pytest

Claude Code

3/3 PASS ~62s $0.17

Cursor Agent

2/3 PASS ~71s $0.15

Codex CLI

2/3 PASS ~79s $0.11

Aider

2/3 PASS ~58s $0.10

add-typescript-validation

Validación Zod en DocumentForm.tsx · campos, longitudes, fecha ISO

tsc + grep

Claude Code

3/3 PASS ~38s $0.14

Cursor Agent

3/3 PASS ~44s $0.13

Codex CLI

2/3 PASS ~52s $0.10

Aider

3/3 PASS ~39s $0.10

write-migration-script

Migración Alembic: columna archived_at + índice en tabla documents

alembic check

Claude Code

2/3 PASS ~44s $0.15

Cursor Agent

2/3 PASS ~46s $0.11

Codex CLI

2/3 PASS ~55s $0.09

Aider

1/3 PASS ~42s $0.09

Pass Rate por Agente

Claude Code

91.7%

Cursor Agent

83.3%

Codex CLI

75.0%

Aider

66.7%

Coste Total (4 tareas x 3 runs)

Claude Code

$0.57

Cursor Agent

$0.48

Codex CLI

$0.38

Aider

$0.38

Coste por acierto (eficiencia)

Claude Code $0.052 / pass

Cursor Agent $0.048 / pass

Codex CLI $0.042 / pass

Aider $0.048 / pass

◆

Recomendacion: Adoptar Claude Code como agente principal de equipo

Basado en datos objetivos de 48 ejecuciones sobre el repositorio real de LegalFlow

Claude Code obtuvo el mayor pass rate (91.7%) con 11 de 12 evaluaciones superadas, siendo el unico agente con 100% de consistencia en 2 de las 4 tareas. Su coste por tarea ($0.052/pass) es el mas alto en terminos absolutos pero el segundo mejor en eficiencia. Para un equipo de 4 devs el coste extra vs Cursor (~$9/mes) queda ampliamente justificado por la mayor confiabilidad, especialmente en refactorizaciones complejas como refactor-pdf-generator.

Accion inmediata

Activar Claude Code para el equipo con plan Team. Reutilizar las 4 tareas YAML como suite de regresion en CI.

Caso de uso secundario

Cursor Agent como opcion de fallback para devs que prefieren IDE integrado. Su pass rate (83%) es aceptable.

Descartados

Aider (66.7%) fallo migraciones Alembic en 2 de 3 runs — riesgo inaceptable en prod. Codex CLI: lento y 75% pass.

Comparativa de Agentes de Código