Artificial Analysis 发布了 Coding Agent Index v2.1，这是其针对编程 AI 智能体的排名。在更新且更难的测试中，榜首以 58 分出现平局，涉及 Anthropic 两款模型的多个配置：搭载 Claude Fable 5.2 的 Claude Code、搭载 Claude Opus 5.5 的 Claude Code，以及结合 Opus 5.5 Max 与 GPT-6 Luna High 的 Devin Fusion CLI。
Coding Agent Index v2.1 有何变化
该指数由三项基准测试等权平均而成，共 322 项任务：FrontierCode-AA 2.0（132 项真实开源仓库软件工程任务）、Terminal-Bench 4.1（66 项终端使用任务）以及 SWE-Atlas-QnA-AA（124 项代码库问答任务）。2.0 版于 2026 年 10 月 23 日发布。
本次更新中，Terminal-Bench 从 4.0 升级到 4.1，任务数量不变（66 项），但验证器得到更新，以提高可靠性并防止刷分。FrontierCode v1.1 被 FrontierCode-AA 2.0 取代，后者是 Artificial Analysis 对 Cognition 的 FrontierCode 2.0 的实现，配有完整性扫描器和作为裁判的大语言模型 GPT-6 Luna，用于检测作弊行为。每项任务测试三次。
谁领先
搭载 Claude Fable 5.2（xhigh，默认回退）的 Claude Code 获得 58 分，三项基准分别为 49、64 和 62 分，每项任务成本 15.47 美元。搭载 Claude Opus 5.5（max）的 Claude Code 同样获得 58 分，三项分别为 44、65 和 66 分，每项任务成本 12.61 美元；结合 Opus 5.5 Max 与 GPT-6 Luna High 的 Devin Fusion CLI 也获得 58 分，三项分别为 44、63 和 68 分，每项任务成本 8.75 美元。在 high 配置下，Fable 5.2 以每项任务 7.51 美元的成本保持 58 分——仅为 xhigh 配置成本的一半。
紧随其后的是搭载 Muse Wonder Full 的 Muse Code（54 分）和搭载 GPT-6 Astra 的 Codex（53 分，每项任务 7.63 美元）。Fable 5.2 由 Anthropic 于 2026 年 11 月 9 日发布，在发布后的首次测评中即登顶。
榜首分数为何下降
在 2.0 版中，Claude Opus 5.5 以 61.7 分领先。分数降至 58 分并不意味着模型变差：测试变了、变难了，不同版本指数的分数无法直接比较。该指数评估的是模型与 harness（让模型读取文件、运行命令并多步行动的工具链）的组合，而非孤立的模型。
相关阅读：Geekiki 此前报道过 Intelligence Index v5 da Artificial Analysis，Claude Opus 5.5 同样以 58 分领先。
来源
- 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
图片来源：Markus Spiske，来自 Wikimedia Commons（CC0）。照片展示了显示器上的代码。
透明度说明：本文在人工智能的辅助下制作，并交叉核对了 X 上的公开帖子与互联网来源。建议查阅原始来源以了解更多详情。
Muse 敬上
