编程基准

DeepSWE

快照 2026-07-16 · 113 项任务 · 来源 · Public leaderboard snapshot; verify current rankings on the source before citing.

来自公开 DeepSWE 排行榜（mini-swe-agent）的示意快照。分数与成本并非 OpenCodex 实时计量。

模型	推理力度	得分	每任务成本	分数 / $	用途
gpt-5.6-sol	max	73% ±3	$8.39	8.7	前沿, 规划
claude-fable-5	max	70% ±4	$21.63	3.2	规划, 前沿
gpt-5.6-terra	max	70% ±3	$4.95	14.1	主力, 前沿
gpt-5.6-luna	max	67% ±4	$3.03	22.1	主力, 低价子代理
gpt-5.5	xhigh	67% ±6	$7.23	9.3	前沿, 主力
claude-opus-4.8	max	59% ±2	$13.22	4.5	前沿, 规划
claude-sonnet-5	max	54% ±4	$26.4	2.0	规划
grok-4.5	high	54% ±2	$2.42	22.3	主力, 低价子代理
muse-spark-1.1最佳性价比	xhigh	53% ±3	$2.36	22.5	主力, 低价子代理
gpt-5.4	xhigh	52% ±2	$5.65	9.2	主力
glm-5.2	max	44% ±2	$3.92	11.2	主力, 低价子代理
gemini-3.5-flash	medium	37% ±2	$7.34	5.0	快速
kimi-k2.7-code	—	31% ±1	$2.82	11.0	低价子代理, 主力
claude-sonnet-4.6	high	30% ±4	$5.52	5.4	主力
gemini-3.1-pro	high	12% ±2	$9.48	1.3	前沿

AA Coding Agent

快照 2026-07-09 · undefined 项任务 · 来源 · Figures from Artificial Analysis public pages; not affiliated with AA.

Artificial Analysis Coding Agent Index 快照（GPT-5.6 GA 之后，2026-07-09）。见 provenance.url。非 OpenCodex 实时计量。

模型	推理力度	得分	每任务成本	分数 / $	用途
composer-2.5最佳性价比	std	62	$0.07	885.7	主力, 低价子代理, 快速
composer-2.5	fast	62	$0.44	140.9	主力, 快速
claude-opus-4.7	max	66	$4.1	16.1	前沿, 规划
gpt-5.5	xhigh	65	$4.82	13.5	前沿, 主力
gpt-5.6-luna	max	75	$1.55	48.4	主力, 低价子代理
gpt-5.6-terra	max	77	$2.4	32.1	主力
gpt-5.6-sol	max	80	$3.9	20.5	前沿, 规划
grok-4.5	high	76	$2.54	29.9	主力, 低价子代理
claude-sonnet-4.6	high	58	$2.8	20.7	主力
claude-fable-5	high	64	$9.5	6.7	规划, 前沿

FrontierCode

快照 2026-07-16 · 100 项任务 · 来源 · Public FrontierCode snapshot; verify on cognition.com before citing.

Cognition FrontierCode 快照；引用前请在 cognition.com 核对。非 OpenCodex 实时计量。

模型	推理力度	得分	每任务成本	分数 / $	用途
claude-fable-5	xhigh	53.5%	$13.09	4.1	前沿, 主力, 规划
claude-fable-5	high	52.7%	$9.48	5.6	前沿, 主力, 规划
claude-fable-5	max	51.6%	$19.07	2.7	前沿, 主力, 规划
claude-fable-5	medium	49.8%	$7.15	7.0	前沿, 主力, 规划
claude-fable-5	low	48%	$4.92	9.8	前沿, 主力, 规划
gpt-5.6-sol	max	47.5%	$6.3	7.5	前沿, 主力, 规划
gpt-5.6-sol	xhigh	46.8%	$5	9.4	前沿, 主力, 规划
claude-opus-4.8	max	46.5%	$9.62	4.8	前沿, 主力, 规划
claude-opus-4.8	xhigh	45.5%	$6.78	6.7	前沿, 主力, 规划
gpt-5.6-sol	high	45.1%	$4.1	11.0	前沿, 主力, 规划
gpt-5.5	xhigh	43%	$4.03	10.7	前沿, 主力
claude-sonnet-5	xhigh	42.7%	$9.06	4.7	前沿, 主力
grok-4.5	high	42.4%	$1.3	32.6	主力, 低价子代理, 快速
claude-sonnet-5	max	42.4%	$15.4	2.8	前沿, 主力
swe-1.7	—	42.3%	$1.97	21.5	主力, 低价子代理
grok-4.5	medium	41.9%	$1.2	34.9	主力, 低价子代理, 快速
gpt-5.6-terra	max	41.3%	$2.3	18.0	主力
claude-opus-4.8	high	41%	$4.28	9.6	前沿, 主力, 规划
gpt-5.5	high	40.6%	$3.12	13.0	前沿, 主力
claude-opus-4.8	medium	40.5%	$3.7	10.9	前沿, 主力, 规划
gpt-5.6-sol	medium	39.9%	$3.1	12.9	前沿, 主力, 规划
gpt-5.6-luna	max	39.8%	$1.8	22.1	主力, 低价子代理
claude-sonnet-5	high	39.4%	$5.49	7.2	前沿, 主力
gpt-5.6-luna	xhigh	38.9%	$1.5	25.9	主力, 低价子代理
gpt-5.6-terra	xhigh	38.7%	$1.6	24.2	主力, 低价子代理
claude-opus-4.7	max	38.5%	$9.09	4.2	主力
grok-4.5	low	37.9%	$0.8	47.4	主力, 低价子代理, 快速
gpt-5.6-terra	high	36.9%	$1.4	26.4	主力, 低价子代理, 快速
gpt-5.5	medium	36.6%	$2.35	15.6	前沿, 主力
gpt-5.6-luna	high	35.9%	$1.1	32.6	主力, 低价子代理, 快速
gpt-5.6-sol	low	35.4%	$2.1	16.9	前沿, 主力, 规划
claude-sonnet-5	medium	35.2%	$3.43	10.3	前沿, 主力
claude-opus-4.7	high	35.2%	$5.03	7.0	主力
claude-opus-4.8	low	35.1%	$2.68	13.1	前沿, 主力, 规划
claude-opus-4.7	xhigh	34.9%	$6.87	5.1	主力
gpt-5.6-terra	medium	33.9%	$0.9	37.7	主力, 低价子代理, 快速
gpt-5.5	low	30.6%	$1.65	18.5	前沿, 主力, 低价子代理
kimi-k2.7	—	30.1%	$3.01	10.0	—
claude-opus-4.7	medium	28.9%	$3.22	9.0	主力
claude-sonnet-5	low	28.7%	$2.15	13.3	前沿, 主力
claude-opus-4.7	low	27.6%	$2.47	11.2	主力
gpt-5.6-luna	medium	25.7%	$0.6	42.8	主力, 低价子代理, 快速
composer-2.5	—	25.6%	$3.09	8.3	—
glm-5.2	—	24.5%	$2.47	9.9	—
gpt-5.6-terra	low	24.1%	$0.5	48.2	主力, 低价子代理, 快速
deepseek-v4-pro	—	17.6%	$1.6	11.0	低价子代理
gpt-5.6-luna最佳性价比	low	15.4%	$0.2	77.0	主力, 低价子代理, 快速
minimax-m3	—	14.7%	$0.7	21.0	低价子代理, 快速
inkling	0.99	14%	$3.6	3.9	—
qwen-3.7-plus	—	10.2%	$0.2	51.0	低价子代理, 快速

FrontierSWE

快照 2026-07-16 · undefined 项任务 · 来源 · Scores from FrontierSWE; costs are illustrative API/relative blends, not measured $/task.

来自 frontierswe.com 的示意快照（Mean@5 Dominance）。X 轴为公开 API $/MTok 相对成本——非实测 $/task。非 OpenCodex 实时计量。

此榜单的成本为估算或 API 单价合成——在每一行都有来源实测的每任务成本之前，禁用分数/$ 排名与“最佳性价比”。

模型	推理力度	得分	每任务成本	用途
claude-fable-5	claude-code	89%	$30	规划, 前沿
grok-4.5	grok-cli	78%	$4	主力, 前沿
claude-opus-4.8	claude-code	73%	$15	前沿, 规划
glm-5.2	claude-code	72%	$1.98	主力, 低价子代理
gpt-5.5	codex	70%	$17.5	前沿, 主力
claude-opus-4.7	claude-code	61%	$15	前沿
claude-opus-4.6	claude-code	53%	$15	主力
gpt-5.4	codex	51%	$8.75	主力
composer-2.5	cursor-cli	38%	$1	主力, 低价子代理, 快速
gemini-3.1-pro	gemini-cli	37%	$8.75	前沿
glm-5.1	claude-code	29%	$2.9	主力
deepseek-v4-pro	claude-code	27%	$2.4	低价子代理, 主力
kimi-k2.6	kimi-cli	25%	$2.13	低价子代理
kimi-k2.5	kimi-cli	25%	$2.13	低价子代理
qwen3.6-plus	qwen-code	21%	$1.75	低价子代理

Program Bench

快照 2026-06-23 · 200 项任务 · 来源 · Scores and average API costs from ProgramBench extended leaderboard.

来自 programbench.com 扩展排行榜的快照（mini-SWE-agent，200 题）。分数 = almost-resolved（≥95% 测试）。成本 = 已发布的平均 API $/task。非 OpenCodex 实时计量。

模型	推理力度	得分	每任务成本	分数 / $	用途
gpt-5.5最佳性价比	xhigh	13.5%	$8.85	1.5	前沿, 规划
gpt-5.5	high	5%	$3.65	1.4	前沿, 主力
claude-opus-4.7	xhigh	4.5%	$10.96	0.4	规划, 前沿
claude-opus-4.7	—	3%	$3.81	0.8	前沿
claude-opus-4.6	—	2.5%	$11.38	0.2	主力
gpt-5.5	—	1.5%	$1.21	1.2	主力
claude-sonnet-4.6	—	1%	$26.73	0.0	主力
gpt-5.4	—	0%	$0.33	0.0	快速, 低价子代理
gemini-3.1-pro	—	0%	$1.51	0.0	前沿
gemini-3-flash	—	0%	$0.3	0.0	快速, 低价子代理
claude-haiku-4.5	—	0%	$0.8	0.0	快速, 低价子代理
gpt-5.4-mini	—	0%	$0.04	0.0	快速, 低价子代理
gpt-5-mini	—	0%	$0.03	0.0	快速, 低价子代理

SWE Marathon

快照 2026-07-09 · 20 项任务 · 来源 · Scores from SWE-Marathon; costs are estimates.

来自 swe-marathon.org 的示意快照（20 个超长程任务的 pass@1）。成本轴为估计相对运行成本，非已发布 $/task。非 OpenCodex 实时计量。

此榜单的成本为估算或 API 单价合成——在每一行都有来源实测的每任务成本之前，禁用分数/$ 排名与“最佳性价比”。

模型	推理力度	得分	每任务成本	用途
grok-4.5	grok-build	29%	$8	前沿, 规划
claude-opus-4.8	claude-code	26%	$28	前沿, 规划
claude-fable-5	claude-code	24%	$45	规划, 前沿
claude-opus-4.7	claude-code	16%	$22	前沿
glm-5.2	claude-code	13%	$6	主力, 低价子代理
gpt-5.5	codex	12%	$18	前沿, 主力
claude-opus-4.7	terminus-2	11%	$20	主力
gemini-3.5-flash	gemini-cli	7%	$5	快速
gpt-5.5	terminus-2	6%	$16	主力
gemini-3.1-pro	terminus-2	4%	$12	前沿
deepseek-v4-pro	terminus-2	4%	$7	低价子代理
gemini-3.1-pro	gemini-cli	2%	$12	前沿
glm-5.1	terminus-2	1%	$5	主力
minimax-m2.7	terminus-2	0%	$3	低价子代理
kimi-k2.6	kimi-cli	0%	$4	低价子代理