跳到正文
模型
模型 Artificial Analysis GPTClaudeDeepSeekLlama / MuseKimi

AA Coding Agent Index v2.0：Claude Opus 5.5 登顶 61.7，DeepSeek 性价比领跑

Artificial Analysis 10 月 23 日推出 Coding Agent Index v2.0：用 Cognition FrontierCode v1.1 替换 DeepSWE，并收紧仓库问答评分。Claude Code + Opus 5.5（max）以 61.7 居首；Codex + DeepSeek V4.1 Flash 约 $0.39/题、分 47.3，站在成本前沿。

指数等权合成三块共 290 题：FrontierCode v1.1（100 道真实开源仓改动，按「维护者愿不愿 merge」打分）、Terminal-Bench 4.0（66）与 SWE-Atlas-QnA-AA（124）。相对 v1.5，DeepSWE 被 FrontierCode 顶替；QnA 有 127 条量规改写，裁判换成 GPT-6 Luna（xhigh）五票。

官方关键数字（max）：Claude Code + Opus 5.5 61.7（约 $11.42/题），Sonnet 5.5 59.3，Muse Code + Muse Wonder Full 58.9，Fable 5.1 57.6。FrontierCode 上 Opus 56.0% 领先 Codex+DeepSeek Flash 的 52.6%。成本前沿四档：DeepSeek Flash $0.39 / GPT-6.1 Sol $1.50 / Astra $7.04 / Opus $11.42（均为按 token API，非订阅价）。

Artificial Analysis Coding Agent Index v2.0 官方榜单配图

来源与参考资料

同栏目 · 模型

MiniMax / Hugging Face

MiniMax：M3.1 Flash 权重正式开源，428B/23B 激活

MiniMax 10 月 23 日放出 M3.1 Flash 权重：约 428B 总参、每 token 激活约 23B 的原生多模态 MoE，上下文最高 1M；官方称上线约 72 小时处理逾 100 万亿 token。权重见 Hugging Face，可接 SGLang / vLLM / TokenSpeed。

模型GPTClaudeDeepSeekKimiGLM
Hugging Face 社交卡片：MiniMaxAI/MiniMax-M3.1-Flash
Hugging Face / WIRED

Hugging Face 开源 Carbon-X：自然语言聊天就能问 DNA

Hugging Face 10 月 22 日放出约 14.8B 的 Carbon-X：基于 Qwen3-14B，把 DNA 与自然语言训进同一解码器；厂商称五项 DNA 基准均分 66.7%，逼近 GPT-6.1 Sol 的 67.5%，推理成本约低 1800 倍。Apache 2.0，单卡 80GB 可跑；未做临床验证。

模型GPTClaudeGeminiQwenDeepSeekKimiGLM
Hugging Face 社交卡片：HuggingFaceBio/Carbon-X DNA 语言模型
Letta Research / FrontierMemory

Letta：FrontierMemory 1.0 用下游任务测 Agent「会不会学」

Letta 10 月 21 日发布 FrontierMemory 1.0：不考生日爱好回忆，而考从历史轨迹生成记忆后能否提升编码/知识工作下游分。Opus 5.5 与 GLM-5.3 并列 73.3%，Kimi K3 66.7%，GPT-6.1 Sol / Gemini 4 Argon 60%，Muse Wonder 46.7%，Grok 4.7 33.3%。

模型GPTClaudeGeminiLlama / MuseGrokKimiGLM
FrontierMemory 官方社交卡片：Benchmarking continual learning through memory