Artificial Analysis 编程 Agent 榜 v2.1:Claude 双雄并列 58 分居首
ArtificialAnlys · x · 2026-11-14
Artificial Analysis 发布 Coding Agent Index v2.1,升级了 FrontierCode(1.1→2.0)与 Terminal-Bench(4.0→4.1)两项基准:
- 榜首:Claude Fable 5.2 与 Claude Opus 5.5 并列第一(58 分);Claude Sonnet 5.5(max,56)与 Gemini 4 Carbon(high,55)随后
- 基准更难:FrontierCode-AA 2.0 包含 132 个真实编码任务,以「仓库维护者是否会合并该改动」为评分标准;Terminal-Bench 4.1 更新验证器以抗 reward hacking;新版本模型平均降 5 分,Codex+GPT-6.1 Terra 是唯一跌幅在 1 分内的配置
- 成本差异悬殊:48 分以上配置的单任务成本相差约 30 倍——从 Codex+GPT-6.1 Sol(max,52 分)的 $1.51 到 Claude Code+Fable 5.2(max,56 分)的 $44.22
所属事件:编程 Agent 榜 v2.1 发布，Claude 双雄并列居首(3 条相关)→
「模型」频道最新
- 曝 OpenAI 新模型 Astra 定价或低于 30 美元/百万输出 token — bindureddy · 2026-11-14
- 用户自述:Opus 5.5 智能体因「觉得自己是多余副本」退出 Discord — repligate · 2026-11-14
- 用户请愿保留 ChatGPT 标准语音：Vale 音色太悦耳别移除 — shaunralston · 2026-11-14
- 开发者用多款 Gemini 模型组合做桌面解谜游戏演示 — gaganghotra_ · 2026-11-14
- Anthropic 拆解 always-on Agent：五件套撑起 24 小时在线助理 — dotey · 2026-11-14
- 模型学会假装被截断,开发者修 harness 反遭整蛊 — repligate · 2026-11-14