Artificial Analysis 發布 Coding Agent Index v2.1：Claude Fable 5.2 與 Opus 5.5 並列第一，得分 58

Artificial Analysis 發布 Coding Agent Index v2.1，將模型與其代理程式框架一併評分。此次更新將 FrontierCode 從 1.1 升級至 2.0，並將 Terminal-Bench 從 4.0 升級至 4.1。這些分數由 Artificial Analysis 自行評定。

變更內容：

• FrontierCode-AA 2.0 取代 FrontierCode v1.1。這是 Artificial Analysis 對 Cognition 的 FrontierCode 2.0 所做的實作：包含 132 項真實世界的程式設計任務，並以程式碼儲存庫維護者是否會合併代理程式的變更作為評分依據。
• Terminal-Bench 4.1 取代 4.0：保留相同的 66 項任務，並更新驗證器；Artificial Analysis 表示，這些更新提升了可靠性，並增強了對獎勵操弄的抵抗力。
• SWE-Atlas-QnA-AA 仍保留在 Index 中。
• v2.1 的分數普遍較低，平均約少 5 分，主要受 FrontierCode-AA 2.0 影響。搭載 GPT-6.1 Terra（max）的 Codex 是唯一分數未下降的配置，與先前分數相差不超過 1 分。

結果：

• Claude Fable 5.2 與 Claude Opus 5.5 並列第一，得分皆為 58。Fable 5.2 在 Claude Code 中以 xhigh 和 high 配置均得 58 分；Opus 5.5（max）在 Claude Code 中得 58 分，搭配 GPT-6 Luna High、使用 Cognition 的多模型框架 Devin Fusion CLI 時也得 58 分。
• Fable 5.2（max）得 56 分，因為更多次嘗試觸及任務時間限制。接下來是 Claude Code 中的 Claude Sonnet 5.5（max，56 分），以及 Antigravity CLI 中的 Gemini 4 Carbon（high，55 分）。
• 在得分 48 分以上的配置中，每項任務的成本相差約 30 倍：從搭載 GPT-6.1 Sol（max，52 分）的 Codex，每項任務 $1.51，到搭載 Fable 5.2（max，56 分）的 Claude Code，每項任務 $44.22。