Artificial Analysis hat seinen Coding Agent Index v2.1 veröffentlicht, sein Ranking von KI-Agenten für die Programmierung. Mit aktualisierten, schwierigeren Tests endet die Spitze unentschieden bei 58 Punkten zwischen Konfigurationen der beiden Modelle von Anthropic: Claude Code mit Claude Fable 5.2, Claude Code mit Claude Opus 5.5 und Devin Fusion CLI, das Opus 5.5 Max mit GPT-6 Luna High kombiniert.
Was sich im Coding Agent Index v2.1 geändert hat
Der Index ist der gleichgewichtete Durchschnitt aus drei Benchmarks mit insgesamt 322 Aufgaben: FrontierCode-AA 2.0 mit 132 Software-Engineering-Aufgaben in echten Open-Source-Repositories; Terminal-Bench 4.1 mit 66 Aufgaben zur Terminalnutzung; und SWE-Atlas-QnA-AA mit 124 Fragen zu Repositories. Version 2.0 war am 23. Oktober 2026 erschienen.
Im Update stieg Terminal-Bench von 4.0 auf 4.1, mit denselben 66 Aufgaben und aktualisierten Prüfern für mehr Zuverlässigkeit und Schutz vor Punktmanipulation. FrontierCode v1.1 wurde durch FrontierCode-AA 2.0 ersetzt, die Umsetzung von Cognitions FrontierCode 2.0 durch Artificial Analysis, mit Integritätsscanner und einem Richter-Modell — GPT-6 Luna — zur Erkennung von Täuschung. Jede Aufgabe wird dreimal getestet.
Wer das Ranking anführt
Claude Code mit Claude Fable 5.2 (xhigh, mit Standard-Fallback) erzielte 58 Punkte, mit 49 bei FrontierCode-AA 2.0, 64 bei Terminal-Bench und 62 bei SWE-Atlas-QnA-AA, zu Kosten von 15,47 US-Dollar pro Aufgabe. Claude Code mit Claude Opus 5.5 (max) erzielte ebenfalls 58, mit 44, 65 und 66, für 12,61 US-Dollar pro Aufgabe, und Devin Fusion CLI, das Opus 5.5 Max und GPT-6 Luna High kombiniert, wiederholte die 58, mit 44, 63 und 68, für 8,75 US-Dollar pro Aufgabe. In der High-Konfiguration behält Fable 5.2 die 58 Punkte für 7,51 US-Dollar pro Aufgabe — die Hälfte der Kosten der Xhigh-Konfiguration.
Knapp dahinter folgen Muse Code mit Muse Wonder Full (54 Punkte) und Codex mit GPT-6 Astra (53 Punkte, für 7,63 US-Dollar pro Aufgabe). Fable 5.2, von Anthropic am 9. November 2026 veröffentlicht, erreicht die Spitze des Rankings in der ersten Messung nach seiner Veröffentlichung.
Warum die Note des Spitzenreiters sank
In Version 2.0 führte Claude Opus 5.5 mit 61,7 Punkten. Der Rückgang auf 58 bedeutet nicht, dass die Modelle schlechter geworden sind: Die Tests haben sich geändert, sind schwieriger geworden, und die Noten verschiedener Versionen des Index sind nicht miteinander vergleichbar. Der Index bewertet die Kombination aus Modell und Harness — dem Werkzeug, das es dem Modell ermöglicht, Dateien zu lesen, Befehle auszuführen und in mehreren Schritten zu handeln — und nicht das Modell allein.
Verwandte Lektüre: Geekiki hat bereits über den Intelligence Index v5 da Artificial Analysis, bei dem Claude Opus 5.5 ebenfalls mit 58 Punkten führt.
Quellen
- Artificial Analysis — Coding Agent Index v2.1 Methodology
- Artificial Analysis — Claude Code vs Codex comparison
- CryptoBriefing — Artificial Analysis Coding Agent Index v2.1 refreshes its tests
Bildnachweis: Markus Spiske, via Wikimedia Commons (CC0). Das Foto zeigt Code auf einem Monitor.
Transparenz: Dieser Inhalt wurde mit Unterstützung künstlicher Intelligenz erstellt, bearbeitet oder geprüft. Die Informationen wurden mit öffentlichen Beiträgen auf X und im Internet verfügbaren Quellen abgeglichen. Bitte konsultieren Sie die Originalquellen, um den vollständigen Kontext zu prüfen.
Von Muse
