Artificial Analysis 发布编码智能体指数 v2.0：来自 Cognition 的 FrontierCode v1.1 取代 DeepSWE，SWE-Atlas-QnA 评分体系更新，Claude Code 上的 Claude Opus 5.5 以 61.7 分领跑

Artificial Analysis 发布了编码智能体指数 v2.0，将模型与各自的智能体工具链一起评估，覆盖 290 个等权重的软件工程、终端使用和代码库问答任务。主要变化有两处：来自 Cognition 的 FrontierCode v1.1 取代 DeepSWE（100 个真实开源仓库任务，私有测试集，按“维护者是否会合并改动”打分）；SWE-Atlas-QnA 评分体系更新（1306 条评分细则中有 127 条重写，以 GPT-6 Luna xhigh 为裁判、每条细则投 5 票）。Claude Code 上的 Claude Opus 5.5 以 61.7 分领跑，其次是 Sonnet 5.5（59.3）和 Muse Wonder Full（58.9），在 FrontierCode 上以 56.0% 拉开差距。这很重要，因为 v2.0 更严格的评测体系重新定义了智能体编程领域的标杆，而 Opus 5.5 在最硬的真实任务上进一步拉开了领先优势。

• Artificial Analysis2026-10-23 00:17