Artificial Analysis 发布编程智能体指数 v2.1
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。
报道正文
Artificial Analysis (@ArtificialAnlys) · 2026-11-14 00
发布 Artificial Analysis Coding Agent Index v2.1，升级 FrontierCode 与 Terminal-Bench。Claude Fable 5.2 与 Claude Opus 5.5 以 58 分并列领先
Coding Agent Index 在智能体运行框架（agent harness）中评测模型；该指数 v2.1 将 FrontierCode 从 1.1 升级至 2.0，并将 Terminal-Bench 从 4.0 升级至 4.1。
升级内容：
➤ FrontierCode-AA 2.0（取代 FrontierCode v1.1）：我们对 Cognition 的 FrontierCode 2.0 的实现，包含 132 个真实世界编码任务，评分标准为仓库维护者是否会合并智能体的改动
➤ Terminal-Bench 4.1（取代 Terminal-Bench 4.0）：相同的 66 个任务，采用更新后的验证器评分，提升了可靠性及对奖励黑客（reward hacking）的抵抗能力
继续保留在指数中：SWE-Atlas-QnA-AA
关键结果：
➤ Claude Fable 5.2 与 Claude Opus 5.5 以 58 分并列领先：Claude Fable 5.2 在 Claude Code 中以 xhigh 和 high 两档均得 58 分。Claude Opus 5.5（max）在 Claude Code 中得 58 分，与 GPT-6 Luna High 搭配、在 Cognition 的多模型运行框架 Devin Fusion CLI 中同样得 58 分。Claude Fable 5.2（max）得 56 分，因其更多尝试触达任务时间上限。紧随其后的是 Claude Code 中的 Claude Sonnet 5.5（max，56 分）和 Antigravity CLI 中的 Gemini 4 Carbon（high，55 分）
➤ v2.1 的指数分数整体更低，主要源于升级至 FrontierCode-AA 2.0：模型平均得分下降 5 分。搭配 GPT-6.1 Terra（max）的 Codex 是唯一未在两个版本之间下滑的配置，与其此前得分相差在 1 分以内
➤ 在得分 48+ 的配置中，每任务成本相差约 30 倍：从搭配 GPT-6.1 Sol（max，52 分）的 Codex 的 $1.51，到搭配 Claude Fable 5.2（max，56 分）的 Claude Code 的 $44.22
