Sonnet 5.5 登顶编码代理榜,xhigh 档花 23% 成本拿 93% 分数
ArtificialAnlys · x · 2026-10-14
Artificial Analysis 发布编码代理基准更新：Claude Code 中的 Sonnet 5.5 以 max 档 68 分登顶 Coding Agent Index，而 xhigh 档以 63 分成为性价比亮点。
- 成本对比：max 档每任务 $14.19，xhigh 档仅 $3.33——省 77% 成本只损失 5.5 分
- max 档输出 token 是 xhigh 的 4.8 倍，轮次是 3.4 倍（205.9 轮 vs 约 60 轮，耗时 1.5h）
- 三项子基准（DeepSWE v1.1、Terminal-Bench 4.0、SWE-Atlas-QnA）max 全部更高，其中 Terminal-Bench 4.0 提升最大：58.1% → 66.2%
- 榜单上 Muse Wonder（Meta）、Antigravity CLI + Gemini 4 Argon（Google）、Codex GPT-6.1 Sol（OpenAI）等紧随其后；Kimi K3、GLM-5.3、Qwen3.8 Max 等也在榜
「编程与Agent」频道最新
- CMU 论文：4B 小模型自动改写 agent harness，反超 35B 老师 — irinarish · 2026-10-14
- Harness 不等于基础设施：沙箱与持久化该放哪一层 — blaizedsouza · 2026-10-14
- Anthropic 发布 Claude Managed Agents 沙箱安全加固指南 — brada · 2026-10-14
- 开发者用 Gemini 当架构师做出 Apple Watch 咖啡因追踪应用 — pythononrailz · 2026-10-14
- ComfyUI-EdgeTTS v2.0.0 修复微软 403 断连，Whisper 可直出 SRT 字幕 — Narrow-Particular202 · 2026-10-14
- arXiv 论文:LLM 智能体在 5 个黑盒优化任务中 4 个胜过顶级数值优化器 — lulzxdxdxd · 2026-10-14