Agent Index 综合榜单出炉：Claude Opus 5.5 以 90.4 分登顶代理工作能力
anitakirkovska · reddit · 2026-11-06
Reddit 用户 anitakirkovska 发布了自制的复合基准 Agent Index，整合 7 个已公开发布的基准（浏览、终端使用、编码、文档理解、专业交付物、多步流程与推理），归一化后按浏览、多步工作流和专业交付物加权，共 26 个模型入榜。
2026 年 11 月代理知识工作 Top 5：
- Claude Opus 5.5：90.4
- GPT-6 Astra：87.6（$30/M tokens）
- Claude Sonnet 5.5：85.8（仅 $6/M tokens）
- Claude Fable 5.1：85.7
- GPT-6.1 Sol：83.4
性价比亮点（输入输出均价混合计算）：
- Claude Sonnet 5.5 以 1/5 的价格拿到接近 Astra 的分数
- GPT-6.1 Terra 得分 67.4、$3/M，与半价位的 Kimi K3.1 Pro 持平
- Claude Haiku 5.5 得分 45.4、$0.30/M，是榜单里的预算之选
作者说明这是对公开评测的整理而非自测，并征求一线 agent 开发者对该排名的验证。
所属事件:自制 Agent Index 榜单发布，Claude Opus 5.5 登顶(2 条相关)→
「模型」频道最新
- Miles Brundage：Inkling 2 Small 预训练仅用 3 天，效果不错 — Miles_Brundage · 2026-11-06
- Miles Brundage 一句话点评:Inkling 2 Small 不错 — Miles_Brundage · 2026-11-06
- 用户观察：Claude 用官方 system prompt 反而不如空 system prompt — repligate · 2026-11-06
- Palisade 研究员:模型样样变强但仍不幽默,charisma 成短板 — JeffLadish · 2026-11-06
- Palisade 研究员呼吁复活 METR 时间跨度图：别只盯 40 个 benchmark — JeffLadish · 2026-11-06
- 爆料 DM 称 Qwen4 将发布,leaker 戏谑时间点全靠猜 — bclavie · 2026-11-06