Artificial Analysis (@ArtificialAnlys)T1·智能体与协同
72 分
Artificial Analysis 发布 Coding Agent Index v2.1，将 FrontierCode 升级至 2.0、Terminal-Bench 升级至 4.1，并强化验证器以抵御奖励攻击。Claude Fable 5.2 与 Claude Opus 5.5 以 58 分并列榜首，但同分档配置的单任务成本相差约 30 倍，从 1.51 美元到 44.22 美元。
工具slug: terminal-bench-tool
Terminal-Bench
面向终端环境智能体任务的评测基准，4.1 版更新验证器以抵御奖励攻击
收录情报动态
Artificial Analysis 发布编程智能体指数 v2.1
Rohan Paul (@rohanpaul_ai)T2·智能体与协同
62 分
Reason Machines 发布编码 harness Reason，通过保持提示前缀跨轮次完全一致，触发 OpenAI 的前缀缓存折扣，使重复 token 计费从每百万 10 美元降至 1 美元。官方称在 Terminal-Bench 与 DeepSWE 上优于主流 harness，单任务成本比 OpenAI Codex 低 22%。