Компания Artificial Analysis представила вторую версию индекса Coding Agent Index, оценивающего работу нейросетей на основе 290 задач по программированию. В обновленном рейтинге используется бенчмарк FrontierCode v1.1 от Cognition, который пришел на смену DeepSWE.
Модель Claude Opus 5.5 от Anthropic заняла первое место в списке, набрав 61,7 балла. Методология оценки также была дополнена пересмотренными критериями SWE-Atlas-QnA, что позволяет более точно определять способность ИИ к слиянию программного кода в реальных условиях.
Инвесторы и аналитики следят за анонсами от других крупных игроков, включая Google и Meta. Новые результаты тестирований или выпуск конкурирующих моделей могут повлиять на рыночные прогнозы и расстановку сил в индустрии уже к концу текущего месяца.
