图例说明：
暖金色：GPT / Codex 系列 (OpenAI)
红色：Claude 系列 (Anthropic)
蓝色：Gemini 系列 (Google)
宝蓝色：Muse 系列 (Meta)
纯黑/深空灰：Grok 系列 (xAI)
深灰/黑色：国内模型 (DeepSeek / Kimi / GLM / MiniMax / Qwen / MiMo)
🤖 编码 Agent 组合能力排行榜 (Coding Agent Leaderboard)
Artificial Analysis Coding Agent Index
主流编码 Agent 框架（Codex Agent CLI / Devin Fusion / Claude Code / Cursor Agent / Kimi Code CLI / OpenCode / Gemini CLI / Antigravity / Muse Code）结合各类大模型的官方评测组合（DeepSWE · Terminal-Bench v2 · SWE-Atlas-QnA）
| 排名 |
Agent 框架 (Harness) |
搭配底层模型 (LLM) |
Coding Agent Index |
平均耗时 / 任务 |
预估单任务成本 |
Intelligence Index v4.1 · 越高越好
Terminal-Bench 4.0 · 越高越强
厂商家族与 Effort 级别分类汇总一览
按模型家族归类展示所有精选模型及其 Effort (思考深度) 档位的完整评估参数
| 模型 / 架构 |
Effort 级别 |
智商指数 (Intelligence) |
编程指数 (Coding) |
输出速度 (Tokens/s) |
预估单任务成本 (USD) |
| 模型 / 架构 |
Effort 级别 |
智商指数 (Intelligence) |
编程指数 (Coding) |
输出速度 (Tokens/s) |
预估单任务成本 (USD) |
| 模型 / 架构 |
Effort 级别 |
智商指数 (Intelligence) |
编程指数 (Coding) |
输出速度 (Tokens/s) |
预估单任务成本 (USD) |
| 模型 / 架构 |
Effort 级别 |
智商指数 (Intelligence) |
编程指数 (Coding) |
输出速度 (Tokens/s) |
预估单任务成本 (USD) |
| 模型名称 |
Effort 级别 |
智商指数 (Intelligence) |
编程指数 (Coding) |
输出速度 (Tokens/s) |
预估单任务成本 (USD) |