一句话看懂：Artificial Analysis 的 Coding Agent Index 本周迎来三款新模型同时冲上榜首区间，但它们的单任务成本相差最高达十倍以上——性能排名接近，价格却完全不在一个量级。
事件核心：发生了什么
据 Artificial Analysis 公布的信息，本周 Claude Sonnet 5.5、GPT-6.1 Sol 与 Gemini 4 Argon 三款新模型分别在 Claude Code、Codex 和 Antigravity CLI 中接入后，同时进入 Coding Agent Index 榜单前列。该指数衡量的不是单个模型，而是“模型 + 运行框架（harness）”组成的 Agent 在三个编程类评测中的综合表现。
具体数据为：Claude Sonnet 5.5（max 档）在 Claude Code 中以 68 分登顶，但单任务实测成本最高，为 14.19 美元；Gemini 4 Argon（high 档）在 Antigravity CLI 中得 64 分，单任务成本 5.84 美元，不到 Sonnet 5.5 的一半，不过该价格基于谷歌的促销定价，且 Argon 目前尚未公开发布；GPT-6.1 Sol（xhigh 档）在 Codex 中得 63 分，单任务成本仅 1.04 美元，约为 Argon 的六分之一。
为什么重要
这组数据把编程 Agent 竞争的焦点从“谁更聪明”转向了“谁更划算”。三款模型的得分差距只有 5 分，但成本差距超过 13 倍，说明当前头部模型的编程能力已经进入贴身缠斗阶段，真正的差异化开始落在推理效率、token 消耗和框架优化上。对厂商而言，卖点不再只是榜单名次，而是在同等任务下能省多少算力预算。这也解释了为什么 Artificial Analysis 强调指数测的是“模型 + harness”组合——同一个模型换一个运行框架，成本和表现都可能明显变化，工具链的工程能力正在成为竞争变量。
对用户/开发者/创作者的影响
对开发者来说，选择编程 Agent 时不能只看排行榜首。GPT-6.1 Sol 在 Codex 中的性价比明显更高，适合高频、批量调用 API 或长周期自动化任务的场景；Claude Sonnet 5.5 分数领先，但单任务 14 美元级的成本更适配合规要求高、任务复杂度大、对结果质量敏感的关键项目。企业采购时，建议把“每任务成本”与“任务通过率”一起折算成有效成本，而不是单看单价。需要提醒的是，Gemini 4 Argon 尚未公开可用，其价格和表现目前只能作为参考，短期内不宜纳入正式技术选型。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Gemini 4 Argon 正式公开发布后的定价是否维持当前促销水平；二是 Claude 与 OpenAI 是否针对成本差距调整档位策略或推出更省 token 的运行模式；三是 Coding Agent Index 这类“模型 + 框架”综合评测是否会成为开发者选型的主流参考标准。目前公开信息显示，三款模型的完整评测细节和长期稳定性数据仍有限，值得继续跟踪。
