出典：Artificial Analysis — DeepSWE v1.1、Terminal-Bench 4.0、SWE-Atlas-QnA の 3 つのベンチマークの pass@1 平均値。
毎週自動更新 · 最終更新：2026-10-12 12:00 UTC

#エージェントモデルプロバイダースコア
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

⏱ タスク実行時間

コーディングエージェントがタスクを完了するまでの平均壁時計時間（低いほど良い）

#エージェント所要時間
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

💰 タスクコスト

タスクあたりの平均 API コスト（USD、低いほど良い）

#エージェントコスト (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

ベンチマークについて

  • DeepSWE v1.1 — ソフトウェアエンジニアリングタスク、113 問（Datacurve）
  • Terminal-Bench 4.0 — エージェント端末操作、66 問（Laude Institute）
  • SWE-Atlas-QnA — 技術 Q&A、124 問（Scale AI）

総合インデックスは各ベンチマークの pass@1 平均値（各 3 回実行）です。

データは AI Agent が毎週自動収集しています。最新情報は元のページをご覧ください。