指標の仕組み

Artificial Analysis は、各コーディングエージェントを特定のモデルと推論設定の組み合わせで評価するため、同じエージェントが複数回登場することがある。Coding Agent Index v1.5 は DeepSWE v1.1、SWE-Atlas-QnA、Terminal-Bench 4.0 の 3 つのベンチマークを同じ重みで平均したもの。1 タスクあたりのコストはキャッシュ料金を含むトークン単位の API 料金から計算されており、サブスクリプション料金ではない。多くの利用者はサブスクリプションプランを通じてこれらのエージェントを使っている。数値は 2026年10月21日（北京時間）に確認した Artificial Analysis のランキングに基づく。グループはスコアの間にはっきりした差がある所で区切っている。同点として扱うのは差がおよそ 1 ポイント以内の場合だけで、該当するのは第 1 グループ。

第 1 グループ：首位で並ぶ（68.0〜68.4）

エージェントモデルと設定Index1 タスクあたりコスト1 タスクあたり平均時間
Claude CodeClaude Sonnet 5.5 (max)68.4$14.1987 分
Devin Fusion CLIClaude Opus 5.5 (max) + GPT-6 Luna (high)68.2$9.0255 分
Muse CodeMuse Wonder Full (max)68.0非公開29 分

Devin Fusion は主モデルと安価な補助モデルを組み合わせる構成で、コストが公表されている上位 3 構成の中では最も安い。詳しくは Devin Fusion の Coding Agent Index の結果をまとめた記事 を参照。

第 2 グループ：66.0

エージェントモデルと設定Index1 タスクあたりコスト1 タスクあたり平均時間
Claude CodeClaude Opus 5.5 (max)66.0$13.0464 分

第 3 グループ：61.6〜63.8

エージェントモデルと設定Index1 タスクあたりコスト1 タスクあたり平均時間
Antigravity CLIGemini 4 Argon (high)63.8$5.8435 分
Muse CodeMuse Wonder (max)63.7$8.0422 分
Claude CodeClaude Fable 5.1 (max)、フォールバックあり62.2$12.3935 分
CodexGPT-6 Astra (max)61.6$7.4729 分

第 4 グループ：60 前後

エージェントモデルと設定Index1 タスクあたりコスト1 タスクあたり平均時間
CodexGPT-6.1 Sol (max)60.1$1.5524 分

第 5 グループ：51.9〜56.3

エージェントモデルと設定Index1 タスクあたりコスト1 タスクあたり平均時間
Grok BuildGrok 4.7 (xhigh)56.3$8.8239 分
OpenCodeGLM-5.3（推論 max）53.6$4.2448 分
Kimi Code CLIKimi K3（設定の記載なし）51.9$5.0561 分

第 6 グループ：45 未満

エージェントモデルと設定Index1 タスクあたりコスト1 タスクあたり平均時間
Muse CodeMuse Spark Open (xhigh)41.2$3.3325 分
Claude CodeClaude Haiku 5.5 (max)36.8$2.8088 分
MirrorBeam 1.027.7非公開42 分

設定を下げると大幅に安くなる場合も

上の各グループは、各エージェントのデフォルト構成を使っている。Artificial Analysis はほかの設定も評価しており、第 3 グループ並みのスコアをはるかに低いコストで出す構成もある。

エージェントモデルと設定Index1 タスクあたりコスト
Claude CodeClaude Sonnet 5.5 (xhigh)62.9$3.33
CodexGPT-6.1 Sol (xhigh)62.9$1.04
CodexGPT-6.1 Sol (medium)61.4$0.70

Claude Code と Codex をさらに詳しく比べるには Claude Code と Codex の比較記事、OpenAI の 2 つの GPT-6 モデルの違いは GPT-6 Sol と GPT-6 Luna の比較記事 で解説している。

上位グループのベンチマーク別スコア

エージェントとモデルDeepSWE v1.1SWE-Atlas-QnATerminal-Bench 4.0
Claude Code、Claude Sonnet 5.5 (max)72.0%66.9%66.2%
Devin Fusion CLI、Claude Opus 5.5 (max) + GPT-6 Luna (high)72.6%69.4%62.6%
Muse Code、Muse Wonder Full (max)77.0%68.0%59.1%
Claude Code、Claude Opus 5.5 (max)68.4%66.4%63.1%
Antigravity CLI、Gemini 4 Argon (high)78.8%56.5%56.1%
Muse Code、Muse Wonder (max)75.8%67.2%48.0%

Gemini 4 Argon (high) を使う Antigravity CLI は、デフォルト構成の中で DeepSWE v1.1 のスコアが最も高い。ただし SWE-Atlas-QnA と Terminal-Bench 4.0 のスコアが低いため、第 3 グループにとどまっている。

Artificial Analysis がランキングを更新した際は、本ページも更新する。