Два Claude возглавили рейтинг кодинг-агентов с 58 баллами, а задача стоит от $1,51 до $44,22
Artificial Analysis обновила рейтинг кодинг-агентов: он проверяет не модель отдельно, а связку модели с обвязкой вроде Claude Code. Первое место с 58 баллами по шкале индекса делят Claude Fable 5.2 и Claude Opus 5.5. Цена задачи у конфигураций от 48 баллов различается в 30 раз: $1,51 у Codex с GPT-6.1 Sol против $44,22 у Claude Code с Fable 5.2 (max). Выбирайте агента по паре «балл и цена задачи».
AI-обработка оригинала X: @ArtificialAnlys; редакция Hamidun News
Когда команда выбирает ИИ-помощника для программирования, названия модели мало. Одна и та же модель работает по-разному в зависимости от «обвязки» — программы, которая даёт ей доступ к репозиторию и терминалу: Claude Code, Codex, Antigravity CLI или Devin Fusion CLI. Именно такие связки и измеряет независимая лаборатория Artificial Analysis в своём Coding Agent Index. Вышла версия 2.1: Claude Fable 5.2 и Claude Opus 5.5 делят первое место с 58 баллами по шкале индекса, а цена одной задачи у сильных связок различается примерно в 30 раз — от $1,51 до $44,22.
Что поменяли в индексе
В версии 2.1 обновили два теста из трёх. Первый — FrontierCode: вместо версии 1.1 теперь FrontierCode-AA 2.0, собственная реализация набора FrontierCode 2.0 от компании Cognition. В нём 132 реальные задачи, и проверяют не формальное прохождение тестов, а понятный всем разработчикам критерий: принял бы мейнтейнер репозитория правку, которую предложил агент. Это похоже на код-ревью в настоящем проекте.
Второй — Terminal-Bench: версию 4.0 заменили на 4.1. Задач по-прежнему 66, но проверяющие скрипты стали надёжнее и лучше защищены от reward hacking. Так называют ситуацию, когда агент находит лазейку и получает зачёт, не решив задачу. Третий тест, SWE-Atlas-QnA-AA, из индекса не убрали.
Из-за более строгого FrontierCode-AA 2.0 баллы в v2.1 ниже: модели в среднем потеряли 5 пунктов. Единственная конфигурация, которая почти не просела, — Codex с GPT-6.1 Terra (max): её результат остался в пределах 1 балла от прежнего. Поэтому цифры v2.1 нельзя напрямую сравнивать с цифрами прошлых версий: изменился сам набор задач.
Кто впереди
Первое место с 58 баллами делят две связки на моделях Anthropic. Claude Fable 5.2 получает 58 и в режиме xhigh, и в режиме high в Claude Code. Claude Opus 5.5 (max) тоже набирает 58 в Claude Code, а ещё в паре с GPT-6 Luna High в мультимодельной среде Cognition — Devin Fusion CLI.
Любопытная деталь: Claude Fable 5.2 в режиме max получил только 56. По данным Artificial Analysis, больше его попыток упёрлось в лимит времени на задачу. Выходит, самый «усердный» режим не гарантирует лучший результат: агент может просто не уложиться в срок. Следом идут Claude Sonnet 5.5 (max) с 56 баллами в Claude Code и Gemini 4 Carbon (high) с 55 баллами в Antigravity CLI.
Цена против качества
Для бюджета самая важная цифра — стоимость. Среди конфигураций, набравших 48 баллов и больше, цена одной задачи отличается примерно в 30 раз. Самая дешёвая — Codex с GPT-6.1 Sol (max): 52 балла и $1,51 за задачу. Самая дорогая — Claude Code с Claude Fable 5.2 (max): 56 баллов и $44,22.
Разрыв в качестве между этими двумя вариантами — 4 балла, а в цене — почти в 30 раз. Если агент запускается на сотнях задач в день, это уже не академический нюанс, а крупная строка расходов.
Что делать на практике
Во-первых, не переносите чужой рейтинг на свой стек без проверки: сменилась обвязка — сменился результат. Во-вторых, смотрите на балл вместе с ценой и лимитами времени: режим «максимум» может стоить дороже и всё равно проиграть более лёгкому. В-третьих, помните об ограничениях: это один независимый индекс из трёх тестов, и он не знает специфики вашего кода.
Разумный план: возьмите две-три конфигурации из верхней части таблицы, обязательно включите одну недорогую, и прогоните их на собственных задачах из своего репозитория. Публичный индекс подскажет, с чего начать, а решать должна стоимость принятой правки именно в вашем проекте.
- 21 нояб. 2026 г.Anthropic снизила цену Claude Fable 5.2 на 20%, а в тесте на код она почти равна Opus 5.5
- 21 нояб. 2026 г.Dreamteam привлёк $53M на CRM, которая сама заполняется из почты и звонков
- 21 нояб. 2026 г.Нейросеть Claude Opus 5.5 достраивает хоррор Dimension 9 из 15 комнат автора
- 21 нояб. 2026 г.22 агента Claude шесть недель искали ответы по чёрным дырам — и решили две задачи
Вопросы и ответы по материалу
Что известно по теме: что поменяли в индексе?
В версии 2.1 обновили два теста из трёх. Первый — FrontierCode: вместо версии 1.1 теперь FrontierCode-AA 2.0, собственная реализация набора FrontierCode 2.0 от компании Cognition. В нём 132 реальные задачи, и проверяют не формальное прохождение тестов, а понятный всем разработчикам критерий: принял бы мейнтейнер репозитория правку, которую предложил агент. Это похоже на код-ревью в настоящем проекте. Второй — Terminal-Bench: версию 4.0 заменили на 4.1.
Что известно по теме: кто впереди?
Первое место с 58 баллами делят две связки на моделях Anthropic. Claude Fable 5.2 получает 58 и в режиме xhigh, и в режиме high в Claude Code. Claude Opus 5.5 (max) тоже набирает 58 в Claude Code, а ещё в паре с GPT-6 Luna High в мультимодельной среде Cognition — Devin Fusion CLI. Любопытная деталь: Claude Fable 5.2 в режиме max получил только 56. По данным Artificial Analysis, больше его попыток упёрлось в лимит времени на задачу.
Что известно по теме: цена против качества?
Для бюджета самая важная цифра — стоимость. Среди конфигураций, набравших 48 баллов и больше, цена одной задачи отличается примерно в 30 раз. Самая дешёвая — Codex с GPT-6.1 Sol (max): 52 балла и $1,51 за задачу. Самая дорогая — Claude Code с Claude Fable 5.2 (max): 56 баллов и $44,22. Разрыв в качестве между этими двумя вариантами — 4 балла, а в цене — почти в 30 раз. Если агент запускается на сотнях задач в день, это уже не академический нюанс, а крупная строка расходов.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.