Artificial Analysis Coding Agent Index 升至 v2.0：FrontierCode 顶替 DeepSWE，Claude Code + Opus 5.5 以 61.7 居首

这件事意味着什么

【要点】

Artificial Analysis 于 2026-10-23（@ArtificialAnlys UTC 00:17，北京时间 08:17）发布 Coding Agent Index v2.0：按「模型 + 智能体脚手架」打分，三块等权共 290 题。

一、尺子：Cognition FrontierCode v1.1（100 道真实开源仓改动，按「维护者会不会 merge」打分、私有测试集）顶掉 DeepSWE；SWE-Atlas-QnA 改为 SWE-Atlas-QnA-AA（GPT-6 Luna xhigh 裁判、每条五票、127/1306 rubric 重写）；Terminal-Bench 仍为 4.0（66 题）。

二、成绩（max）：Claude Code + Opus 5.5 61.7（约 $11.42/题）居首；Sonnet 5.5 59.3；Muse Wonder Full 58.9。成本前沿：Codex+DeepSeek V4.1 Flash 47.3/$0.39、Codex+GPT-6.1 Sol 54.1/$1.50、Codex+GPT-6 Astra 54.7/$7.04、Opus 61.7/$11.42。FrontierCode 上 Opus 56.0%，DeepSeek Flash 52.6% 居次。

三、可比性：21 个两边都测过的配置，SWE-Atlas 均分约 58.8→57.1——多数下移是尺子更严，不是模型突然变差。

【可核验】

方法论：https://artificialanalysis.ai/methodology/coding-agents-benchmarking

榜单：https://artificialanalysis.ai/agents/coding-agents

官方 X：https://x.com/ArtificialAnlys/status/2113424551396934134

【我们的判断】

一、背景：编程智能体评测从「绿测试」迁到「维护者愿不愿意 merge」，直接回应 SWE-bench 类可刷分问题。私有测试集、反抄答案扫描和多票裁判是设计；分数普降是预期。

二、横向：Opus 优势主要在 FrontierCode；中段 15/24 个配置挤在 43%–49%，换脚手架往往比换同级模型更值钱。DeepSeek Flash + Codex 约 1/29 价格贴近中上段，更适合批量修仓；Opus 适合愿付 merge 质量溢价的路径。

三、影响：选型要同时看 Index、FrontierCode 分项和 $/task。下次换尺子分数会再挪——读榜带版本号。局限：成本按 API token 计，不含订阅与人工复核；FrontierCode 不可本地复现。