Artificial Analysis 11 月 14 日发布编码智能体指数 v2.1：把 FrontierCode 从 1.1 换成 Cognition 的 FrontierCode 2.0（132 个真实任务，按维护者是否愿意合并评分），Terminal-Bench 从 4.0 升到 4.1，保留 SWE-Atlas-QnA-AA。Claude Code + Claude Fable 5.2（xhigh/high）和 Claude Opus 5.5（max）并列 58 分居首；因新版 FrontierCode 更难，各配置平均降 5 分，只有 Codex + GPT-6.1 Terra（max）基本没掉分。
核心要点速览
- ✓v2.1 构成：FrontierCode-AA 2.0（132 个真实编码任务，按仓库维护者是否会合并评分）、Terminal-Bench 4.1（同样 66 题，更新验证器以提高可靠性、防奖励投机）、SWE-Atlas-QnA-AA
- ✓并列第一 58 分：Claude Code + Claude Fable 5.2（xhigh 与 high 均为 58）、Claude Code + Claude Opus 5.5（max），以及 Devin Fusion CLI（Opus 5.5 max + GPT-6 Luna High）；其后为 Claude Sonnet 5.5（max）56、Antigravity CLI + Gemini 4 Carbon（high）55
- ✓23 个两版都测过的配置在 FrontierCode-AA 2.0 上全部低于 v1.1，均值从 45% 降到 29%；Claude Code + Fable 5.2 以 49% 领先。Terminal-Bench 4.1 各配置变化都不到 3 分，Kimi Code CLI + Kimi K3.1 Pro 以 68% 居首
- ✓成本差约 30 倍：48 分以上配置中，Codex + GPT-6.1 Sol（max，52 分）每题 1.51 美元，Claude Code + Fable 5.2（max，56 分）每题 44.22 美元；Fable 5.2 在 medium/high/xhigh 分别为 2.89/7.51/15.47 美元
- ✓Claude Code 与 Devin Fusion CLI 遇到安全拒答会切换到备用模型：Devin Fusion CLI 与 Opus 5.5（max）约 9% 的尝试由备用模型完成，Fable 5.2（xhigh）6%，Sonnet 5.5 5%
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
背景与痛点
编码智能体榜单的价值取决于题目能否反映真实工作。Artificial Analysis 的 Coding Agent Index 测的是「模型 + 智能体外壳」的组合（如 Claude Code、Codex、Devin Fusion CLI），v2.0 在 10 月用 FrontierCode 1.1 替换了 DeepSWE。随着 Cognition 推出更难、更贴近合并标准的 FrontierCode 2.0，旧题已难以拉开头部差距，于是有了 v2.1。
架构亮点与底层机制
v2.1 由三部分组成：FrontierCode-AA 2.0 是 AA 对 Cognition FrontierCode 2.0 的实现，132 个真实任务，按仓库维护者是否会合并智能体的改动评分；Terminal-Bench 4.1 保留 4.0 的 66 题，但更新了验证器，减少误判和奖励投机；SWE-Atlas-QnA-AA 保持不变。
权威 Benchmark 与实测跑分对比
据 AA 官方帖：Claude Fable 5.2 与 Claude Opus 5.5 以 58 分并列第一，但强项不同——Fable 5.2（xhigh）FrontierCode 高 5 分（49% 对 44%），Opus 5.5（max）SWE-Atlas 高 4 分（66% 对 62%）。新版 FrontierCode 让 23 个配置均值从 45% 降到 29%，指数整体平均降 5 分；Codex + GPT-6.1 Terra（max）是唯一没掉分的配置。Terminal-Bench 4.1 上 Kimi Code CLI + Kimi K3.1 Pro 以 68% 领先。
开发者实战落地与开箱指南
选型时别只看总分：Fable 5.2 在 high 档（58 分、每题 7.51 美元）就达到最高分，max 档反而因更多尝试超时只有 56 分、每题 44.22 美元；预算敏感可看 Codex + GPT-6.1 Sol（52 分、1.51 美元）。注意 Claude Code 等外壳遇到安全拒答会切换备用模型，最多约 9% 的尝试并非由标称模型完成。完整结果与方法见 AA 官网。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察