数据来源：Artificial Analysis — 综合 DeepSWE v1.1、Terminal-Bench 4.0、SWE-Atlas-QnA 三项基准测试的 pass@1 平均分。
每周自动更新 · 最后更新：2026-10-12 12:00 UTC

#Agent模型提供商评分
1Claude CodeSonnet 5.5Anthropic68
2Claude CodeOpus 5.5Anthropic66
3Antigravity CLIGemini 4 ArgonGoogle64
4CodexGPT-6.1 SolOpenAI63
5Claude CodeFable 5.1Anthropic62
6CodexGPT-6 AstraOpenAI62
7Grok BuildGrok 4.7SpaceXAI56
8Muse CodeMuse Spark 1.3Meta54

⏱ 任务耗时

平均每个编码 Agent 完成任务所需的墙钟时间（越低越好）

#Agent耗时
1Codex - GPT-6.1 Sol (xhigh) ({'reasoning_effort': 'xhigh'}) (OpenAI)15.5m
2Muse Code - Muse Spark 1.3 (max) (Meta)18.4m
3Codex - GPT-6 Astra (max) (OpenAI)29.4m
4Antigravity CLI - Gemini 4 Argon (high) (Google)34.5m
5Claude Code - Fable 5.1 (max) (with fallback) (Anthropic)34.8m
6Grok Build - Grok 4.7 (xhigh) (SpaceXAI)39.2m
7Claude Code - Opus 5.5 (max) (Anthropic)1.1h
8Claude Code - Sonnet 5.5 (max) (Anthropic)1.5h

💰 任务成本

平均每个任务的 API 成本（USD，越低越好）

#Agent成本 (USD)
1Codex - GPT-6.1 Sol (xhigh) ({'reasoning_effort': 'xhigh'}) (OpenAI)$1.04
2Muse Code - Muse Spark 1.3 (max) (Meta)$3.98
3Antigravity CLI - Gemini 4 Argon (high) (Google)$5.84
4Codex - GPT-6 Astra (max) (OpenAI)$7.47
5Grok Build - Grok 4.7 (xhigh) (SpaceXAI)$8.82
6Claude Code - Fable 5.1 (max) (with fallback) (Anthropic)$12.39
7Claude Code - Opus 5.5 (max) (Anthropic)$13.04
8Claude Code - Sonnet 5.5 (max) (Anthropic)$14.19

关于基准测试

  • DeepSWE v1.1 — 软件工程任务，113 道题（Datacurve）
  • Terminal-Bench 4.0 — Agent 终端使用，66 道题（Laude Institute）
  • SWE-Atlas-QnA — 技术问答，124 道题（Scale AI）

综合指数为三项基准测试的 pass@1 平均值（各运行 3 次）。

数据由 AI Agent 每周自动抓取，若有更新延迟请参考 原始页面。