Artificial Analysis 编程智能体指数升级至 v2.1，Claude Fable 5.2 与 Claude Opus 5.5 并列榜首

Artificial Analysis· @ArtificialAnlys · X·2026-11-14 08:04· 50 分钟前AI 评分47

AI 导读

Artificial Analysis 发布 Coding Agent Index v2.1，将 FrontierCode 升级至 2.0、Terminal-Bench 升级至 4.1。

正文 · 原文

Artificial Analysis 发布 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 在智能体运行框架中评测模型；v2.1 版将 FrontierCode 从 1.1 升级至 2.0，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）：同样的 66 个任务，采用更新后的验证器评分，提升了可靠性并增强了对奖励作弊的抵抗力

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 两种设置均得 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 的指数得分整体下降，主要源于升级至 FrontierCode-AA 2.0：模型平均得分降低 5 分。搭配 GPT-6.1 Terra（max）的 Codex 是唯一未在版本间下滑的配置，与其此前得分相差在 1 分以内
在得分 48 分以上的配置中，单任务成本相差约 30 倍：从搭配 GPT-6.1 Sol（max，52 分）的 Codex 的 1.51 美元，到搭配 Claude Fable 5.2（max，56 分）的 Claude Code 的 44.22 美元