指數怎麼算

Artificial Analysis 測試的是「代理 + 特定模型 + 推理設定」的組合，因此同一個代理可能出現多次。Coding Agent Index v1.5 是 DeepSWE v1.1、SWE-Atlas-QnA 和 Terminal-Bench 4.0 三項基準的等權平均。單任務成本按每 token 的 API 價格計算，包含快取價格，不是訂閱價格；很多使用者實際上是透過訂閱方案使用這些代理。本頁數據來自 2026 年 10 月 21 日（北京時間）核對的 Artificial Analysis 榜單。各級按分數之間的明顯差距劃分。只有相差約 1 分以內的才稱為並列，目前只有第一級屬於這種情況。

第一級：並列第一（68.0 至 68.4）

代理模型與設定指數單任務成本單任務平均用時
Claude CodeClaude Sonnet 5.5 (max)68.4$14.1987 分鐘
Devin Fusion CLIClaude Opus 5.5 (max) + GPT-6 Luna (high)68.2$9.0255 分鐘
Muse CodeMuse Wonder Full (max)68.0未公布29 分鐘

Devin Fusion 讓一個主模型搭配一個較便宜的輔助模型，在公布了成本的前三名配置中最便宜。詳見我們的 Devin Fusion 在 Coding Agent Index 上的成績快訊。

第二級：66.0

代理模型與設定指數單任務成本單任務平均用時
Claude CodeClaude Opus 5.5 (max)66.0$13.0464 分鐘

第三級：61.6 至 63.8

代理模型與設定指數單任務成本單任務平均用時
Antigravity CLIGemini 4 Argon (high)63.8$5.8435 分鐘
Muse CodeMuse Wonder (max)63.7$8.0422 分鐘
Claude CodeClaude Fable 5.1 (max)，帶回退62.2$12.3935 分鐘
CodexGPT-6 Astra (max)61.6$7.4729 分鐘

第四級：60 分左右

代理模型與設定指數單任務成本單任務平均用時
CodexGPT-6.1 Sol (max)60.1$1.5524 分鐘

第五級：51.9 至 56.3

代理模型與設定指數單任務成本單任務平均用時
Grok BuildGrok 4.7 (xhigh)56.3$8.8239 分鐘
OpenCodeGLM-5.3（推理強度 max）53.6$4.2448 分鐘
Kimi Code CLIKimi K3（未標明設定）51.9$5.0561 分鐘

第六級：45 分以下

代理模型與設定指數單任務成本單任務平均用時
Muse CodeMuse Spark Open (xhigh)41.2$3.3325 分鐘
Claude CodeClaude Haiku 5.5 (max)36.8$2.8088 分鐘
MirrorBeam 1.027.7未公布42 分鐘

調低設定可能便宜很多

以上各級用的是每個代理的預設配置。Artificial Analysis 也測試了其他設定，其中一些能達到第三級的分數，成本卻低得多：

代理模型與設定指數單任務成本
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

想進一步了解 Claude Code 和 Codex，可以看我們的 Claude Code 與 Codex 比較；OpenAI 兩款 GPT-6 模型的差異見 GPT-6 Sol 與 GPT-6 Luna 比較。

前幾級的分項成績

代理與模型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%

使用 Gemini 4 Argon (high) 的 Antigravity CLI 在預設配置中 DeepSWE v1.1 得分最高，但 SWE-Atlas-QnA 和 Terminal-Bench 4.0 得分較低，所以留在第三級。

Artificial Analysis 更新榜單後，我們會同步更新本頁。