理应资讯
软件研发智能化

Artificial Analysis 编码智能体指数 v2.0:Opus 5.5 加 Claude Code 以 61.7 领跑

理应编辑室 ·

Coding Agent Index 升至 v2.0,改用 FrontierCode v1.1 并收紧仓库问答评分;Claude Code 搭配 Claude Opus 5.5(max)以 61.7 分居首,并公布若干成本前沿组合。

Artificial Analysis 发布 编码智能体指数(Coding Agent Index)v2.0,把「模型加智能体外壳」放在同一套指数里比较。当前覆盖软件工程、终端使用与仓库问答等共 二百九十 项任务,三类基准等权合成总分。

相对上一版的变更

相对 v1.5,指数改用 Cognition 的 FrontierCode v1.1:私有测试集、约一百个真实开源仓库改动,按维护者是否会合并等规则打分,用以替换 DeepSWE。同时修订仓库问答基准为 SWE-Atlas-QnA-AA:改写部分量规条款,裁判改为 GPT-6 Luna(xhigh),每条准则多票汇总。

主要分数(官方口径)

  • Claude Code 搭配 Claude Opus 5.5(max) 以 61.7 分领跑;Claude Code 搭配 Sonnet 5.5(max)约 59.3 分;Muse Code 搭配 Muse Wonder Full(max)约 58.9 分。
  • 在 FrontierCode 上,Opus 5.5 约 百分之五十六,高于若干 Codex 组合。
  • 成本前沿示例:Codex 搭配 DeepSeek V4.1 Flash 约每任务 47.3 分、0.39 美元;Claude Code 搭配 Opus 5.5 约 61.7 分、11.42 美元(按 token 接口成本估算,不是订阅价)。

指数会持续增量更新。阅读时务必区分:这是「外壳加模型」的组合分,不能直接当成裸模型排行榜;不同外壳的工具策略、默认推理强度与计费方式都会改变名次。本轮窗口内官方账号发布图表与说明,脚本曾打出与财经相关的关键词提示,经阅读确认为评测发布后采用。

Coding Agent Index v2.0 分数与成本前沿

# 编码智能体# 评测# Artificial Analysis# Claude