Artificial Analysis 发布 Coding Agent Index v2.1：Claude Fable 5.2 和 Opus 5.5 并列领先，均为 58 分

Artificial Analysis 发布了 Coding Agent Index v2.1，该指数将模型及其智能体运行框架一并评分。此次更新将 FrontierCode 从 1.1 升级至 2.0，并将 Terminal-Bench 从 4.0 升级至 4.1。分数由 Artificial Analysis 自行评定。

更新内容：

• FrontierCode-AA 2.0 取代 FrontierCode v1.1。这是 Artificial Analysis 对 Cognition 的 FrontierCode 2.0 的实现：包含 132 项真实世界编程任务，评分标准是代码仓库维护者是否会合并智能体提交的更改。
• Terminal-Bench 4.1 取代 4.0：任务仍为 66 项，但更新了验证器。Artificial Analysis 表示，此举提升了可靠性，并增强了对奖励投机的抵抗力。
• SWE-Atlas-QnA-AA 继续保留在该指数中。
• v2.1 的分数整体更低，平均下降约 5 分，主要受 FrontierCode-AA 2.0 影响。Codex 搭配 GPT-6.1 Terra（max）是唯一分数未下降的配置，与此前分数相差不超过 1 分。

结果：

• Claude Fable 5.2 和 Claude Opus 5.5 并列领先，均为 58 分。Fable 5.2 在 Claude Code 中的 xhigh 和 high 配置下均得 58 分；Opus 5.5（max）在 Claude Code 中得 58 分，在 Cognition 的多模型运行框架 Devin Fusion CLI 中搭配 GPT-6 Luna High 时也得 58 分。
• Fable 5.2（max）得 56 分，部分尝试因任务时限而结束。其后是 Claude Code 中的 Claude Sonnet 5.5（max，56 分）和 Antigravity CLI 中的 Gemini 4 Carbon（high，55 分）。
• 得分达到 48 分及以上的配置，每项任务的成本相差约 30 倍：从 Codex 搭配 GPT-6.1 Sol（max，52 分）的 $1.51，到 Claude Code 搭配 Fable 5.2（max，56 分）的 $44.22。