Artificial Analysis 编码代理指数 v2.0 发布，Claude Opus 5.5 居首

10 月 23 日，Artificial Analysis 发布编码代理指数（Coding Agent Index）v2.0，将模型与 agent harness（框架）组合一起评测，覆盖 290 个任务，软件工程、终端使用与仓库问答三大基准等权，并新增单任务成本与 token 用量两个维度，方法论与版本历史同步公开。综合榜单上 Claude Opus 5.5 以 61.7 分居首，但与 v1.5 相比各配置分数普遍下调。

已确认

• 综合榜单上，Claude Opus 5.5 以 61.7 分居首。
• 仓库问答基准 SWE-Atlas-QnA-AA 仍使用 Scale AI 的 124 个仓库问答题，但重写了 1306 条评分细则中的 127 条；该基准中 Muse Wonder Full 以 68.8% 排名第一。
• 与 v1.5 对比，在两个版本都测过的 21 个配置中，平均分从 54.8 降至 47.4，20 个配置分数下滑，据 Artificial Analysis 说明主因与 Frontier 相关基准调整有关。
• 转发讨论中，@ryanallred 质疑 Claude Code 的 Max 模式应从榜单中剔除。

为什么重要

该指数将模型能力与 agent 框架绑定评测，并引入成本与 token 消耗维度，为衡量编码代理的综合性价比提供了更严格标尺。v2.0 分数普遍下调意味着方法论的收紧会显著改变排名观感，使用者对比新旧榜单时需注意版本差异。

2026-10-23 ~ 2026-10-23 · 6 条相关

• 【源头】Artificial Analysis 编码代理指数 v2.0 发布：Claude Opus 5.5 以 61.7 居首 — ArtificialAnlys · 2026-10-23
• SWE-Atlas-QnA-AA 新评分：Muse Wonder Full 以 68.8% 居首 — ArtificialAnlys · 2026-10-23
• 【源头】Artificial Analysis 发布编码智能体指数 v2.0，各配置分数普遍下调 — ArtificialAnlys · 2026-10-23
• 【源头】编码代理指数 v2.0 几乎全员掉分：21 个配置中 20 个下滑 — ArtificialAnlys · 2026-10-23

另有 2 条近重复转述:jffwng · ryanallred