Ranking agentów kodujących - od Claude Code po Devin Fusion
Zobacz wyniki 40 konfiguracji w Artificial Analysis. Tabela pokazuje model, narzędzie, poziom wysiłku i średni koszt zadania.

👁 112 przeczytań
- Najwyżej ocenianą konfiguracją w rankingu z 17.11.2026 jest Claude Code z modelem Fable 5.2 na poziomie Xhigh, który uzyskał indeks 58,47 przy koszcie 15,47 USD za zadanie.
- Indeks opiera się na trzech równoważnych składowych: FrontierCode-AA 2.0 (132 zadania), Terminal-Bench 4.1 (66 zadań) i SWE-Atlas-QnA-AA (124 pytania o repozytoria).
- Devin Fusion CLI łączący Claude Opus 5.5 Max z GPT-6 Luna High zajął 2. miejsce z wynikiem 58,4 i jest tańszy od lidera - kosztuje 8,75 USD za zadanie.
Fable 5.2 w Claude Code zajmuje kilka miejsc w tej samej tabeli. Zmienia się poziom wysiłku, a z nim wynik, czas i koszt. Jeszcze inny przypadek to Devin Fusion, w którym Opus 5.5 prowadzi pracę, a GPT-6 Luna wykonuje zlecone kroki. Tak wygląda jednostka pomiaru w Artificial Analysis: konkretna konfiguracja agenta. Miejsce wyliczam, sortując niezaokrąglone wyniki wszystkich konfiguracji v2.1, włącznie z routerem Fusion.
Tabela z 17.11.2026
| Miejsce i konfiguracja | Indeks / 100 | USD za zadanie |
|---|---|---|
| 1. Claude Code - Claude Fable 5.2 (Xhigh, Default Fallback) | 58,47 | 15,47 |
| 2. Devin Fusion CLI - Claude Opus 5.5 Max + GPT-6 Luna High | 58,4 | 8,75 |
| 3. Claude Code - Claude Fable 5.2 (High, Default Fallback) | 58,24 | 7,51 |
| 4. Claude Code - Claude Opus 5.5 (Max, Default Fallback) | 58,16 | 12,61 |
| 5. Claude Code - Claude Sonnet 5.5 (Max, Default Fallback) | 56,33 | 11,4 |
| 6. Claude Code - Claude Fable 5.2 (Max, Default Fallback) | 55,74 | 44,22 |
| 7. Antigravity CLI - Gemini 4 Carbon (High) | 55,47 | 7,13 |
| 8. Muse Code - Muse Wonder Full (Max) | 54,48 | brak wyceny |
| 9. Codex - GPT-6.2 Astra (Max) | 53,47 | 5,12 |
| 10. Codex - GPT-6.2 Astra (Xhigh) | 53,12 | 3,2 |
| 11. Codex - GPT-6 Astra (Max) | 53,1 | 7,63 |
| 12. Claude Code - Claude Fable 5.2 (Medium, Default Fallback) | 53,04 | 2,89 |
| 13. Claude Code - Claude Fable 5.1 (Max, Default Fallback) | 52,49 | 11,7 |
| 14. Antigravity CLI - Gemini 4 Hydrogen (Xhigh) | 52,32 | 4,45 |
| 15. Codex - GPT-6.2 Astra (High) | 52,28 | 2,37 |
| 16. Codex - GPT-6.1 Sol (Max) | 52,16 | 1,51 |
| 17. Codex - GPT-6.2 Sol (Xhigh) | 49,79 | 0,9 |
| 18. Codex - GPT-6.2 Astra (Medium) | 49,06 | 1,2 |
| 19. Codex - GPT-6.1 Terra (Max) | 48,65 | 1,53 |
| 20. Kimi Code CLI - Kimi K3.1 Pro | 48,64 | 2,94 |
| 21. Codex - GPT-6.2 Sol (Max) | 48,62 | 1,22 |
| 22. Claude Code - Claude Fable 5.2 (Low, Default Fallback) | 47,96 | 2,49 |
| 23. Codex - GPT-6.2 Sol (High) | 47,46 | 0,76 |
| 24. Antigravity CLI - Gemini 4 Argon (High) | 45,5 | 6,84 |
| 25. Codex - GPT-6.2 Sol (Medium) | 45,35 | 0,57 |
| 26. Muse Code - Muse Wonder (Max) | 44,48 | 7,59 |
| 27. Grok Build - Grok 4.7 (Xhigh) | 41,64 | 15,35 |
| 28. Mistral Vibe - Mistral Large 4 (High) | 40,59 | 1,34 |
| 29. Opencode - GLM-5.3 (Max) | 40,12 | 5,41 |
| 30. Muse Code - Muse Ember (Max) | 39,69 | 0,22 |
| 31. Codex - GPT-6.2 Sol (Low) | 37,16 | 0,33 |
| 32. DeepSeek Harness - DeepSeek V4.1 Flash 1017 (Max) | 36,83 | 0,32 |
| 33. Muse Code - Muse Spark 1.3 (Max) | 36,77 | 4,34 |
| 34. Claude Code - Step 5 Preview | 35,79 | 3,55 |
| 35. Codex - GPT-6.2 Astra (Low) | 35,58 | 0,7 |
| 36. Claude Code - Qwen3.8 Max | 32,73 | 4,03 |
| 37. Mistral Vibe - Mistral Large 4 (Medium) | 29,61 | 1,02 |
| 38. Claude Code - Claude Haiku 5.5 (Max) | 29,59 | 2,25 |
| 39. Codex - GPT-6 Luna (Max) | 25,89 | 0,19 |
| 40. Mirror - Beam 1.0 | 15,48 | 0,31 |
Do migracji publicznego interfejsu wybrałbym najpierw dwie konfiguracje, które mieszczą się w budżecie i mają odpowiedni wynik FrontierCode. Z kolei przy pytaniu o zależności w kodzie zajrzałbym w SWE-Atlas-QnA. Obie składowe, wraz z Terminal-Bench, ważą tyle samo w indeksie, ale użytkownik może potrzebować przede wszystkim jednej z nich.
Trzy składowe indeksu
FrontierCode-AA 2.0 ma 132 zadania inżynierskie, Terminal-Bench 4.1 ma 66 zadań w terminalu, a SWE-Atlas-QnA-AA ma 124 pytania o repozytoria. Autorzy uśredniają trzy podejścia do zadania i nadają równą wagę składowym. Kwota w tabeli jest średnim modelowanym kosztem wykonania zadania przy taryfach API. W planie abonamentowym użytkownik rozlicza się według warunków dostawcy. Wiersz drugiego modelu w tej samej rodzinie może mieć inną cenę mimo identycznego cennika tokenów.
01Opus 5.5 w Claude Code: 3 godziny pracy agenta nad testem AIJedno polecenie, 127 GB modeli, 10 testów i 7 tekstów w 3 h 10 min. Przebieg, koszt 22,77 USD według API i miejsca, w których agent sam się poprawił.Czytaj →
02GPT-6 Astra dla programistów: co mówią testy kodu, a czego nie mówiąW teście terminalowym Astra prowadzi, w teście napraw kodu wygrywa o półtora punktu, a w rozszerzonym teście programowania przegrywa z modelem sprzed trzech miesięcy. Rozkładam wyniki na to, co znaczą przy codziennej pracy z kodem.Czytaj →
03Gemini 4 Argon do programowania: mój test kodu i benchmarkiW moim teście kodu Gemini 4 Argon przeszedł wszystkie 51 testów najtaniej i najszybciej z flagowców. Benchmarki są bardziej mieszane: prowadzi w DeepSWE wg Google, ale w Terminal-Bench i Arena WebDev zostaje w tyle.Czytaj →Nie przepłacaj za subskrypcje AI
Prowadzę sklep z rocznymi dostępami do narzędzi AI, taniej niż w cenniku producenta. Sprawdź, co jest teraz na stanie.
Najczęstsze pytania
Jak liczony jest wynik agenta? Składowe mają równą wagę. Najpierw wybierz zestaw modelu i programu, potem porównuj ustawienia wysiłku. Zaokrąglenie wyniku na ekranie może ukryć małą różnicę między sąsiadami.
Agent Arena Code · WebDev Arena · Image-to-WebDev · Text Arena Coding
Źródła
- Artificial Analysis Coding Agent Index (odczyt 17.11.2026) - https://artificialanalysis.ai/agents/coding-agents
- Metodologia odczytu (odczyt 17.11.2026) - https://artificialanalysis.ai/methodology/coding-agents-benchmarking
- Dziennik zmian Arena (odczyt 17.11.2026) - https://arena.ai/company/leaderboard-changelog
Link do Kimi jest partnerski: jeśli kupisz przez niego, serwis dostaje prowizję, a Ty płacisz tyle samo. Nie wpływa to na treść, także tam, gdzie piszę krytycznie.

Autor
Twórca i autor Promptowego, polskiego serwisu o sztucznej inteligencji. Codziennie śledzi premiery modeli, narzędzia i regulacje AI, i tłumaczy je prostym, konkretnym językiem.
Czytaj dalej
Claude · Claude API i MCP - budowanie agentów AI z narzędziamiKompletny przewodnik po tworzeniu inteligentnych agentów AI z Claude API. Dowiedz się jak wykorzystać function calling, MCP servers i structured...
Lokalne AI · Cognition i Devin Fusion. Co mierzy wynik agentaCzy Devin Fusion jest osobnym modelem bazowym od Cognition? Cognition i Devin Fusion. Co mierzy wynik agenta.
Artykuły · Claude Fable 5.2 w Claude Code: advisor, tryb fast, setki agentów i jedna pułapkaCo nowego w Claude Code z Fable 5.2: wymagana wersja, effort Medium, advisor (/advisor, advisorModel, --advisor), tryb fast 16/80 USD, orkiestracja...- przewagi.plAgent AI w małej firmie w 2026: co zrobi sam, ile kosztuje (od 14 900 zł netto) i gdzie potrzebny jest człowiek
- generatornia.plSuno cena 2026: plany, limity pobrań i prawa autorskie
- jutropis.plKE konsultuje formularz oceny wpływu AI na prawa podstawowe
- dygot.plGrammy 2027: nominacje dla Kanyego Westa. Akademia nie przestraszyła się zarzutów o AI


