Artificial Analysis lança o Coding Agent Index v2.1: Claude Fable 5.2 e Opus 5.5 dividem a liderança com 58

A Artificial Analysis lançou a versão 2.1 do seu Coding Agent Index, que avalia modelos em conjunto com seus harnesses de agente. A atualização eleva o FrontierCode da versão 1.1 para a 2.0 e o Terminal-Bench da 4.0 para a 4.1. As pontuações são da própria Artificial Analysis.

O que mudou:

• FrontierCode-AA 2.0 substitui o FrontierCode v1.1. É a implementação, pela Artificial Analysis, do FrontierCode 2.0 da Cognition: 132 tarefas de programação do mundo real, avaliadas com base em se um mantenedor do repositório aceitaria o código do agente.
• Terminal-Bench 4.1 substitui a versão 4.0: são as mesmas 66 tarefas, com verificadores atualizados que, segundo a Artificial Analysis, aumentam a confiabilidade e a resistência à manipulação da recompensa.
• O SWE-Atlas-QnA-AA permanece no Index.
• As pontuações são menores na versão 2.1, cerca de 5 pontos em média, devido ao FrontierCode-AA 2.0. Codex com GPT-6.1 Terra (max) é a única configuração que não caiu, ficando a menos de 1 ponto da pontuação anterior.

Resultados:

• Claude Fable 5.2 e Claude Opus 5.5 dividem a liderança com 58. Fable 5.2 marca 58 tanto em xhigh quanto em high no Claude Code; Opus 5.5 (max) marca 58 no Claude Code e, combinado com GPT-6 Luna High, no harness multimodelo Devin Fusion CLI da Cognition.
• Fable 5.2 (max) marca 56, pois mais tentativas atingem os limites de tempo das tarefas. Claude Sonnet 5.5 (max, 56) no Claude Code e Gemini 4 Carbon (high, 55) no Antigravity CLI vêm em seguida.
• O custo por tarefa varia cerca de 30 vezes entre as configurações com pontuação igual ou superior a 48: de US$ 1,51 para Codex com GPT-6.1 Sol (max, 52) a US$ 44,22 para Claude Code com Fable 5.2 (max, 56).