Coding Agent 榜单升级到 v2.0：FrontierCode 入场，Claude Opus 5.5 以 61.7 领跑

@ArtificialAnlys 发布 Coding Agent Index v2.0：用 @cognition 的 FrontierCode v1.1 替换 DeepSWE，并收紧仓库问答评分。榜单评的是「模型 + harness」组合，不是裸模型；当前第一是 Claude Code + Claude Opus 5.5（max）61.7。
https://artificialanalysis.ai/agents/coding-agents

榜单评什么
三套基准等权平均，共 290 题，每题跑 3 次再取均值：
· FrontierCode v1.1（Cognition）：100 题，测试在真实开源仓库改代码，按「维护者会不会合」打分
· Terminal-Bench 4.0：66 题，测试终端里的多步 agent 任务
· SWE-Atlas-QnA-AA（Scale AI 题 + AA 改判）：124 题，测试读仓库、答技术问题

相对 v1.5 的两处改动
1. FrontierCode 换下 DeepSWE。 题集不公开。失败任一 blocking 检查 → 0 分；全过 → 70%–100%（看 non-blocking）。轨迹若被扫到去拉上游解（PR、merge commit、镜像等）→ 也记 0。
2. SWE-Atlas-QnA → SWE-Atlas-QnA-AA。 124 题不变；重写了 1,306 条 rubric 里的 127 条；裁判改为 GPT-6 Luna（xhigh），每条准则投 5 票；数据集与裁判配置已发到 Hugging Face。

# 关键结果
综合指数前四：
· Claude Code + Opus 5.5（max）61.7
· Claude Code + Sonnet 5.5（max）59.3
· Muse Code + Muse Wonder Full（max）58.9
· Claude Code + Fable 5.1（max + fallback）57.6
前四相差仅约 4.1 分，其中三席是 Claude Code。首个 OpenAI 组合是 Codex + GPT-6 Astra，54.7。

FrontierCode 单项（Opus 拉开差距处）：
· Opus 5.5：56.0%
· Codex + DeepSeek V4.1 Flash：52.6%
· Codex + GPT-6.1 Sol：49.4%
· Codex + GPT-6 Astra：49.3%
其余 24 个配置里有 15 个挤在 43%–49%

仓库问答（SWE-Atlas-QnA-AA）前几名：
· Muse Wonder Full：68.8%
· Claude Fable 5.1：66.4%
· Opus 5.5：65.9%
· Sonnet 5.5：64.2%

同一批 21 个配置在新旧 Index 上对比：均值从 54.8 → 47.4，20/21 下降；主因是 FrontierCode 均值约 45.1%，远低于 DeepSWE 的 65.6%；问答侧均值再掉约 1.7 分（58.8% → 57.1%）。Terminal-Bench 4.0 这轮没换。

成本前沿（按 token API 计，非订阅价）
· Codex + DeepSeek V4.1 Flash：47.3，$0.39
· Codex + GPT-6.1 Sol：54.1，$1.50
· Codex + GPT-6 Astra：54.7，$7.04
· Claude Code + Opus 5.5：61.7，$11.42
第一名大约是最便宜前沿点的 29 倍 单价，多约 14.4 分。