Dois Claude lideram o ranking de agentes de programação com 58 pontos, e o custo por tarefa vai de US$ 1,51 a US$ 44,22
A Artificial Analysis atualizou o ranking de agentes de programação, que avalia não o modelo isoladamente, mas a combinação do modelo com a sua estrutura de execução, como o Claude Code. Claude Fable 5.2 e Claude Opus 5.5 dividem o primeiro lugar com 58 pontos na escala do índice. O custo por tarefa das configurações com 48 pontos ou mais varia 30 vezes: US$ 1,51 no Codex com GPT-6.1 Sol, contra US$ 44,22 no Claude Code com Fable 5.2 (max). Ao escolher um agente, considere o par formado por pontuação e custo por tarefa.
Processado por IA de X: @ArtificialAnlys; editado por Hamidun News
Quando uma equipe escolhe um assistente de IA para programação, o nome do modelo não basta. O mesmo modelo tem desempenho diferente conforme a estrutura que lhe dá acesso ao repositório e ao terminal: Claude Code, Codex, Antigravity CLI ou Devin Fusion CLI. São justamente essas combinações que o laboratório independente Artificial Analysis mede no seu Coding Agent Index. A versão 2.1 já está no ar: Claude Fable 5.2 e Claude Opus 5.5 dividem o primeiro lugar com 58 pontos na escala do índice, e o custo de uma tarefa nas combinações mais fortes varia cerca de 30 vezes, de US$ 1,51 a US$ 44,22.
O que mudou no índice
Na versão 2.1, dois dos três testes foram atualizados. O primeiro é o FrontierCode: no lugar da versão 1.1, agora está o FrontierCode-AA 2.0, uma implementação própria do conjunto FrontierCode 2.0, da Cognition. Ele contém 132 tarefas reais, e o critério não é apenas a aprovação formal nos testes, mas uma pergunta que qualquer desenvolvedor entende: o mantenedor do repositório aceitaria a alteração proposta pelo agente? É algo parecido com uma revisão de código em um projeto real.
O segundo é o Terminal-Bench: a versão 4.0 foi substituída pela 4.1. Continuam sendo 66 tarefas, mas os scripts de verificação ficaram mais confiáveis e mais protegidos contra o reward hacking, termo que descreve quando o agente encontra uma brecha e recebe crédito sem ter resolvido a tarefa. O terceiro teste, o SWE-Atlas-QnA-AA, foi mantido no índice.
Por causa do FrontierCode-AA 2.0, mais rigoroso, as pontuações da v2.1 são mais baixas: os modelos perderam, em média, 5 pontos. A única configuração que quase não caiu foi o Codex com GPT-6.1 Terra (max), cujo resultado ficou a até 1 ponto do anterior. Por isso, os números da v2.1 não podem ser comparados diretamente com os de versões anteriores, já que o próprio conjunto de tarefas mudou.
Quem está na frente
O primeiro lugar, com 58 pontos, é dividido por duas combinações com modelos da Anthropic. O Claude Fable 5.2 alcança 58 tanto no modo xhigh quanto no modo high, no Claude Code. O Claude Opus 5.5 (max) também chega a 58 no Claude Code e ainda em dupla com o GPT-6 Luna High no ambiente multimodelo da Cognition, o Devin Fusion CLI.
Um detalhe curioso: o Claude Fable 5.2 no modo max obteve apenas 56. Segundo a Artificial Analysis, mais tentativas desse modo esbarraram no limite de tempo por tarefa. Ou seja, o modo mais "dedicado" não garante o melhor resultado, já que o agente pode simplesmente não concluir dentro do prazo. Logo atrás aparecem o Claude Sonnet 5.5 (max), com 56 pontos no Claude Code, e o Gemini 4 Carbon (high), com 55 pontos no Antigravity CLI.
Custo versus qualidade
Para o orçamento, o número mais importante é o custo. Entre as configurações com 48 pontos ou mais, o custo de uma tarefa varia cerca de 30 vezes. A mais barata é o Codex com GPT-6.1 Sol (max): 52 pontos e US$ 1,51 por tarefa. A mais cara é o Claude Code com Claude Fable 5.2 (max): 56 pontos e US$ 44,22.
A diferença de qualidade entre essas duas opções é de 4 pontos, enquanto a diferença de preço chega a quase 30 vezes. Se um agente roda em centenas de tarefas por dia, isso deixa de ser uma nuance acadêmica e se torna uma linha de despesa relevante.
O que fazer na prática
Primeiro, não transfira o ranking alheio para a sua stack sem testar: trocou a estrutura de execução, mudou o resultado. Segundo, avalie a pontuação junto com o custo e os limites de tempo: o modo "máximo" pode custar mais e, ainda assim, perder para uma opção mais leve. Terceiro, lembre-se das limitações: trata-se de um único índice independente, baseado em três testes, que não conhece as particularidades do seu código.
Um plano razoável é escolher duas ou três configurações do topo da tabela, incluir obrigatoriamente uma opção barata e executá-las em tarefas reais do seu próprio repositório. O índice público ajuda a definir por onde começar, mas quem deve decidir é o custo da alteração aceita no seu projeto.
- 21 de nov. de 2026Anthropic cortou em 20% o preço do Claude Fable 5.2, e no teste de código ele quase empata com o Opus 5.5
- 21 de nov. de 2026Dreamteam capta US$ 53 milhões para um CRM que se preenche sozinho a partir de e-mails e ligações
- 21 de nov. de 2026Claude Opus 5.5 completa o horror Dimension 9 a partir de 15 salas criadas pelo autor
- 21 de nov. de 202622 agentes Claude passaram seis semanas atrás de respostas sobre buracos negros e resolveram dois problemas
Perguntas frequentes sobre a notícia
O que mudou no índice?
Na versão 2.1, dois dos três testes foram atualizados. O primeiro é o FrontierCode: no lugar da versão 1.1, agora está o FrontierCode-AA 2.0, uma implementação própria do conjunto FrontierCode 2.0, da Cognition. Ele contém 132 tarefas reais, e o critério não é apenas a aprovação formal nos testes, mas uma pergunta que qualquer desenvolvedor entende: o mantenedor do repositório aceitaria a alteração proposta pelo agente? É algo parecido com uma revisão de código em um projeto real.
O que se sabe sobre Quem está na frente?
O primeiro lugar, com 58 pontos, é dividido por duas combinações com modelos da Anthropic. O Claude Fable 5.2 alcança 58 tanto no modo xhigh quanto no modo high, no Claude Code. O Claude Opus 5.5 (max) também chega a 58 no Claude Code e ainda em dupla com o GPT-6 Luna High no ambiente multimodelo da Cognition, o Devin Fusion CLI. Um detalhe curioso: o Claude Fable 5.2 no modo max obteve apenas 56. Segundo a Artificial Analysis, mais tentativas desse modo esbarraram no limite de tempo por tarefa.
O que se sabe sobre Custo versus qualidade?
Para o orçamento, o número mais importante é o custo. Entre as configurações com 48 pontos ou mais, o custo de uma tarefa varia cerca de 30 vezes. A mais barata é o Codex com GPT-6.1 Sol (max): 52 pontos e US$ 1,51 por tarefa. A mais cara é o Claude Code com Claude Fable 5.2 (max): 56 pontos e US$ 44,22. A diferença de qualidade entre essas duas opções é de 4 pontos, enquanto a diferença de preço chega a quase 30 vezes.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.