Artificial Analysis が測定した内容
Artificial Analysis は 2026 年 10 月 21 日 13:10（北京時間）に Devin Fusion CLI の結果を公開しました。Devin Fusion は、フロンティア級のリードモデルと低コストのサイドキックという 2 つのエージェントを並行して動かし、それぞれが独自のコンテキストとツールを持ちます。計画、タスクの割り振り、最終レビューはリードモデルが担います。今回の構成はリードが Claude Opus 5.5 (max)、サイドキックが GPT-6 Luna (high) です。Luna の位置づけは GPT-6 Sol と GPT-6 Luna の比較を参照してください。
上位 3 構成はほぼ同点
| エージェントとモデル | 指数スコア |
|---|---|
| Claude Code、Claude Sonnet 5.5 (max) | 68.4 |
| Devin Fusion CLI、Claude Opus 5.5 (max) + GPT-6 Luna (high) | 68.2 |
| Muse Code、Muse Wonder Full (max) | 68.0 |
| Claude Code、Claude Opus 5.5 (max) | 66.0 |
上位 3 つの差は 0.4 ポイント以内で、Artificial Analysis も拮抗していると説明しています。本記事の数値は Artificial Analysis のランキングページに基づいており、X での最初の投稿では Devin Fusion のスコアは 68.1 でした。
同じリードモデルで低コスト
| 指標 | Devin Fusion（Opus 5.5 + GPT-6 Luna） | Claude Code（Opus 5.5） |
|---|---|---|
| Coding Agent Index | 68.2 | 66.0 |
| 1 タスクあたりのコスト | 9.02 ドル | 13.04 ドル |
| 1 タスクあたりの平均時間 | 55 分 | 64 分 |
| DeepSWE v1.1 | 72.6% | 68.4% |
| SWE-Atlas-QnA | 69.4% | 66.4% |
| Terminal-Bench 4.0 | 62.6% | 63.1% |
1 タスクあたりのコストは約 31% 低く、DeepSWE v1.1 と SWE-Atlas-QnA では上回り、Terminal-Bench 4.0 ではわずかに下回りました。
コストは 2 つのモデルの利用分を合わせたトークン従量制の API コストで、サブスクリプション料金ではありません。Claude Code と Codex の違いは Claude Code と Codex の比較をご覧ください。
背景
Cognition は 2026 年 6 月 29 日（米太平洋時間）に Devin Fusion をプレビューとして発表し、9 月 11 日（米太平洋時間）に Devin Desktop と Devin CLI で Fusion を提供開始しました。Devin の GPT 利用分を ChatGPT プランに請求できる件は Devin と ChatGPT プランのトークン共有で取り上げています。