AA Coding Agent Index

Artificial Analysis 编码智能体综合指数

基本信息

30 秒看懂

Artificial Analysis 编码智能体综合指数：DeepSWE + Terminal-Bench v2.1 + SWE-Atlas-QnA 三个公开基准的简单平均（任务归一化 pass@1、二元判定），越高越好；读分时应结合分基准看——仓库问答强不等于打补丁强。

评分协议

这个评测的官方统一评分协议还没收录到本页；各厂商实际使用的执行框架（harness）与推理档位（effort）已逐条写在下方引用卡里。

模型发布采用时间轴

共收录 1 场模型发布（收录 7 项分值） · 按发布时间倒序排列 · 数据更新于 2026-09-20

2026

2026-08-26 OpenAI·国际

GPT-5.6 Sol / GPT-5.6 Terra / GPT-5.6 Luna

本发布含 3 个变体，各变体规格见模型详情。

发布文将 Sol 定位为 GPT-5.6 的旗舰档（medium/high/xhigh/max/ultra 五档努力级别）。36 项评测横跨智能体、编码、长上下文、科研医疗金融与安全，亮点为 BrowseComp 90.4% 与 Terminal-Bench 2.1 88.8%。

旗舰多档努力智能体安全防护

查看模型变体与证据

GPT-5.6 Sol · AA Coding Agent Index 80GPT-5.6 Terra · AA Coding Agent Index 77.4GPT-5.6 Luna · AA Coding Agent Index 74.6gpt-5-5 · AA Coding Agent Index 76.4claude-fable-5 · AA Coding Agent Index 77.2claude-opus-4-8 · AA Coding Agent Index 72.5gemini-3-1-pro · AA Coding Agent Index 42.7

数据缺口（本页暂未收录）

• 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
• 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
• 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
• 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
• 测试集污染检测结论，以及是否已饱和的结构化标注

以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。

复现入口

相关评测（同类别）

引用

本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。