Claude Science vs Claude Code：研究スタックに入れるべきなのはどちらか

Claude Science と Claude Code は、遠目には似ていても異なる問題を解きます。 Claude Code の作業単位はリポジトリで、コミットで終わります。Claude Science の作業単位は分析で、図、表、または方法セクションで終わります。選ぶときの問いは、どのモデルが優れているかではありません。最後に手元に何を残したいかです。

どちらもエージェント型で、あなたのマシンで実際のコードを実行します。違いは状態、計算、分野との接続、そして何を「完了」とみなすかにあります。

短い答え

本当の違いはどこにあるか

状態：カーネルとファイル

これは最も深い分岐で、見た目だけの違いではありません。

Claude Code が作業を覚えている場所はファイルシステムです。ファイルを読み、編集し、コマンドを実行します。永続する状態はディスクと Git にあるものです。再起動しても失われないのは、そもそもメモリだけにあったものがないからです。

Claude Science は、セッション全体で Python と R の永続カーネルを生かし続けます。読み込んだ行列、フィットしたモデル、中間オブジェクトは、続けて質問する間もメモリに残ります。分析は実際にこのように進むため、エンジニアが嫌う点があっても、科学ではノートブックが勝ちました。

「40GB の single-cell オブジェクトを一度読み込み、二時間問い続ける」作業では、ファイル指向のエージェントはロードコストを繰り返し払わせるか、キャッシュを自作させます。「この十二ファイルを変更してテストを通す」作業では、カーネルの状態は役に立ちません。

計算：自分のマシンとクラスタ

Claude Code はあなたが作業する場所で動き、並列サブエージェントと、スケジュール、API 呼び出し、イベントで起動するルーチンによって水平に拡張します。

Claude Science はノート PC、Linux システム、HPC ログインノードにまたがる環境を管理し、バッチスクリプトを書き、SSH でジョブを送信します。Anthropic は単一 GPU から数百 GPU へ拡張すると説明しています。

分析が Slurm にキューイングされるチームでは、この差だけで答えが決まります。ジョブの送信と追跡を知るツールは、あればよいものではありません。

分野との接続：データベースとリポジトリ

Claude Code は Git、GitHub、GitLab、デプロイとデータベースの CLI という開発者の世界につながっています。

Claude Science はゲノミクス、single-cell 解析、プロテオミクス、構造生物学、ケモインフォマティクス向けに事前設定され、60 以上の科学データベースと文献連携を備えます。Anthropic の Claude for Life Sciences は 10x Genomics Cloud、Benchling、PubMed、bioRxiv、ClinicalTrials.gov などのコネクターを挙げています。

Claude Code をバイオインフォマティクスのリポジトリに向ければ、良い仕事をします。しかし伝えなければ bioRxiv が何かは知りませんし、タンパク質構造はテキストとして表示します。

検証：レビューとテスト

Claude Code は五十年のソフトウェア検証を引き継ぎます。テストは通るか通らないかで、CI は「ノー」と言う機械です。

科学には同等物がないため、Claude Science には不正確な引用、出所を追えない数値、周囲の主張と矛盾する図を示すバックグラウンドレビューがあります。これは本物の追加機能ですが、構造上テストスイートより弱いものです。内部整合性と出典を確認できても、分析が正しかったかは確認できません。

工学から研究ツールへ移る人はここを考えるべきです。科学アプリが、各成果物にそれを生んだコード、環境、会話を持たせる来歴を重視するのは、来歴がグリーンビルドに最も近い代替だからです。

それでも Claude Code を使う場面

多くの計算科学者は Claude Code を使うべきです。次の場合に選びます。

• 分析を行うのではなく、パッケージ、パイプライン、社内ツールを構築または保守する。
• 作業がテスト付きのバージョン管理されたソフトウェアで、正しさを機械で確認できる。
• Windows が必要、または VS Code、JetBrains、GitHub Actions、Slack 内でエージェントを使う。
• ルーチンによる定期実行またはイベント起動の実行が必要。
• 対象の作業でベータソフトウェアを採用できない。

「claude code vs codex for data science」のような既存の検索関心の多くは、まさにこの立場、つまり科学計算をソフトウェアとして行う人から来ています。

Claude Science が正しい選択となる場面

• 分析が探索的かつ状態的で、読み込んだオブジェクトに繰り返し問い合わせる。
• R、または R と Python の混在環境で作業する。
• タンパク質、アラインメント、ゲノムトラック、化学構造を、読むだけでなく見たい。
• 計算資源が SSH で到達するクラスタにある。
• 出力が図と方法セクションで、六か月後にも到達過程を再現する必要がある。

正直な答え：両方を使う

両者は競合というより、同じワークフローの両端です。境界は明確です。

科学アプリは探索を担います。データを読み込み、クラスタリングし、観察し、図を反復し、方法を下書きします。分析が新しいサンプルで繰り返し実行するものに安定したら、それはパイプラインであり、パイプラインはソフトウェアです。Claude Code に渡せば、CI を備えた、バージョン管理されテストされたパッケージにします。

一つのツールで両方を行うと、カーネル状態のないシステムで探索科学をするか、テスト文化のないベータアプリから本番パイプラインを出荷することになります。どちらも良い取引ではありません。

橋渡しはスキルです。Claude Science はパイプラインを再利用可能なスキルとして保存でき、探索が反復可能な手順になる自然な引き渡し地点になります。

Claude Cowork については？

両者と混同される第三の選択肢があります。Cowork はコードや分析ではなく、一般的なナレッジワーク向けです。この軸を比較するなら、Claude Coworker vs Claude Code が直接扱っています。

一度で選ぶ方法

金曜日に誰かへ何を見せるかを考えてください。

マージされたプルリクエストやデプロイ済みのサービスなら Claude Code。議論した軸を持つ図と統計を説明する段落なら Claude Science。他の人が次の四半期に自分のデータで実行するパイプラインなら、Science で始め、Code で終えます。

分析データがインフラから出せず、どちらもインストールできないことが障害なら、それは別の問いです。最良のオープンソース Claude Science 代替案で別の答えを説明しています。

よくある質問

Claude Code をデータサイエンスに使えますか？ はい、そうすべき人は多いです。永続カーネル、科学オブジェクトのネイティブ表示、事前接続済みのデータベースは手放しますが、Windows 対応、IDE 統合、一般提供の製品を得ます。

両方必要ですか？ 探索も出荷もする場合だけです。分析が再利用可能なパイプラインにならないなら、一つで足ります。

科学アプリは Jupyter を置き換えますか？ 置き換えるのはインターフェースで、考え方ではありません。ノートブックを動かすのと同じ永続カーネルモデルに、エージェントを付けています。

Windows で動くのはどちらですか？ Claude Code です。科学アプリは Mac と Linux のみです。

R に向くのはどちらですか？ 決定的に科学アプリです。永続 R カーネルを動かし、コーディングエージェントは R を多くの言語の一つとして扱います。

一般提供されているものはありますか？ Claude Code は一般提供です。科学アプリはベータで、料金はまだ公開されていません。

ワークフローを保ち、ベンダーロックインを捨てる

Eigent はデスクトップで動くオープンソースの AI ワークフォースです。MCP ツールで複数のエージェントを調整し、Ollama や vLLM によるローカル推論を含め、指定する任意のモデルで動きます。上で説明した探索からパイプラインへの引き渡しを、二つのクローズド製品に分けずに行いたいなら、よい着地点です。ワークフローをスキルとして保存することから始めましょう。Eigent をダウンロードし、共有を許可されたデータセットに向けてください。