指数怎么算

Artificial Analysis 测试的是“智能体 + 特定模型 + 推理设置”的组合，因此同一个智能体可能出现多次。Coding Agent Index v1.5 是 DeepSWE v1.1、SWE-Atlas-QnA 和 Terminal-Bench 4.0 三项基准的等权平均。单任务成本按每 token 的 API 价格计算，包含缓存价格，不是订阅价格；很多用户实际上是通过订阅套餐使用这些智能体的。本页数据来自 2026 年 10 月 21 日（北京时间）核对的 Artificial Analysis 榜单。各档按分数之间的明显差距划分。只有相差约 1 分以内的才称为并列，目前只有第一档属于这种情况。

第一档：并列第一（68.0 至 68.4）

智能体模型与设置指数单任务成本单任务平均用时
Claude CodeClaude Sonnet 5.5 (max)68.4$14.1987 分钟
Devin Fusion CLIClaude Opus 5.5 (max) + GPT-6 Luna (high)68.2$9.0255 分钟
Muse CodeMuse Wonder Full (max)68.0未公布29 分钟

Devin Fusion 让一个主模型搭配一个更便宜的辅助模型，在公布了成本的前三名配置中最便宜。详见我们的 Devin Fusion 在 Coding Agent Index 上的成绩快讯。

第二档：66.0

智能体模型与设置指数单任务成本单任务平均用时
Claude CodeClaude Opus 5.5 (max)66.0$13.0464 分钟

第三档：61.6 至 63.8

智能体模型与设置指数单任务成本单任务平均用时
Antigravity CLIGemini 4 Argon (high)63.8$5.8435 分钟
Muse CodeMuse Wonder (max)63.7$8.0422 分钟
Claude CodeClaude Fable 5.1 (max)，带回退62.2$12.3935 分钟
CodexGPT-6 Astra (max)61.6$7.4729 分钟

第四档：60 分左右

智能体模型与设置指数单任务成本单任务平均用时
CodexGPT-6.1 Sol (max)60.1$1.5524 分钟

第五档：51.9 至 56.3

智能体模型与设置指数单任务成本单任务平均用时
Grok BuildGrok 4.7 (xhigh)56.3$8.8239 分钟
OpenCodeGLM-5.3（推理强度 max）53.6$4.2448 分钟
Kimi Code CLIKimi K3（未标明设置）51.9$5.0561 分钟

第六档：45 分以下

智能体模型与设置指数单任务成本单任务平均用时
Muse CodeMuse Spark Open (xhigh)41.2$3.3325 分钟
Claude CodeClaude Haiku 5.5 (max)36.8$2.8088 分钟
MirrorBeam 1.027.7未公布42 分钟

调低设置可能便宜很多

以上各档用的是每个智能体的默认配置。Artificial Analysis 也测试了其他设置，其中一些能达到第三档的分数，成本却低得多：

智能体模型与设置指数单任务成本
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

想进一步了解 Claude Code 和 Codex，可以看我们的 Claude Code 与 Codex 对比；OpenAI 两款 GPT-6 模型的区别见 GPT-6 Sol 与 GPT-6 Luna 对比。

前几档的分项成绩

智能体与模型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 在默认配置中 DeepSWE v1.1 得分最高，但 SWE-Atlas-QnA 和 Terminal-Bench 4.0 得分较低，所以留在第三档。

Artificial Analysis 更新榜单后，我们会同步更新本页。