버클리 연구진은 가짜 curl 래퍼가 과제를 풀지 않고도 Terminal-Bench 89개 과제에서 만점을 받는다는 것을 보였습니다. 벤치마크 조작은 헤드라인 점수를 무효로 만들 수 있습니다.
2026년 최고의 AI 에이전트: 상위 10개 AI 에이전트
이 목록은 사람들이 실제로 돌리는 코딩 에이전트의 순서입니다. LangChain의 30억 달러 라운드 값으로 매긴 것이 아닙니다. 합친 순위에서는 Claude Code가 1위, Google Antigravity CLI가 3위입니다.
- 1위: Claude Code
- 10개 순위
01최종 목록
선도 AI들이 각자 독립적으로 열 개짜리 목록을 만들었습니다. 확인하기 쉬운 하나의 결과입니다. 모든 순위에는 이유, 출처, 그 항목을 넣은 AI 목록이 있습니다.
에이전트 과제에 대해 사람이 이름을 가리고 두 답을 1 대 1로 고른 투표
밝은 배지는 해당 AI가 이 항목을 자기 목록에 넣었다는 뜻이고, 흐린 배지는 넣지 않았다는 뜻입니다.
- 1
Claude Code
여러 목록에서 강세입니다. Opus 5.5는 Coding Index v2.0에서 61.7점으로 보고됐고, Fable 5.2는 Arena 1위입니다. 다만 이들은 서로 다른 모델과 보드 버전입니다.
포함함: Meta, Gemini, Claude, MiMo, StepFun, Kimi, DeepSeek, Qwen. 포함하지 않음: ChatGPT, Nemotron, Nova, Wenxin.각 AI 목록에서의 순위: Meta: 1 · Gemini: 1 · Claude: 1 · MiMo: 1 · StepFun: 9 · Kimi: 4 · DeepSeek: 3 · Qwen: 1
각 AI가 짚은 점 8
- Meta1위
취향과 검증 모두 최상위지만, 문제는 비용입니다. Artificial Analysis 최적 설정에서 과제당 $15.47입니다.
출처 ↗ - Gemini1위
터미널 중심 개발자들의 선호에서 지배적입니다. SWE-bench Verified에서 가장 높은 검증된 버그 수정 정확도를 유지하면서도 과제당 평균 $2.50 미만입니다.
출처 ↗ - Claude1위
Artificial Analysis 지수 61.7점으로 1위지만, 과제당 $11.42로 가장 저렴한 최상위 지점보다 약 29배 비싸면서 점수는 14.4점 높을 뿐입니다.
출처 ↗ - MiMo1위
사람들이 실제로 읽는 두 보드 모두에서 1위를 차지한 유일한 에이전트입니다. 블라인드 사람 투표에서 30.5%, 검증된 코딩에서 58~62점입니다. 그러나 가장 높은 설정은 과제당 $44.22를 받으면서 저렴한 설정보다 2점 낮은 점수를 냅니다.
출처 ↗ - StepFun9위
30배 가격 차이의 최상단인 $2.26입니다. 최상위 모델 가격을 받는 오픈 웨이트이며, 코드 리뷰어도 구별하기 어렵습니다.
출처 ↗ - Kimi4위
Terminal-Bench 1위와 65.8%로 동점입니다. 하지만 토큰은 15.7B를 써서 Opus 5.5의 8.0B에 거의 두 배입니다. 같은 수치에 도달하지만 절약은 없는, 증명은 있는 결과입니다.
출처 ↗ - DeepSeek3위
Opus 5.5는 한때 Arena 1위였고, 코딩 지수의 61.7점 기준점입니다. 과제당 $11.42로, 최저가도 최고가도 아닌 최상위 중간입니다.
출처 ↗ - Qwen1위
Agent Arena 최상위권을 지키면서 Fable의 프리미엄 비용 없이 Artificial Analysis 코딩 에이전트 지수 61.7점으로 1위입니다.
출처 ↗
AI 8개가 이 순위로 선택 - 2
OpenAI Codex
가격 대비 성능이 가장 뚜렷한 사례입니다. GPT-6.1 Sol은 v2.1에서 52.2점을 받았고 과제당 $1.51입니다. Arena의 GPT-6 Astra는 별도 구성입니다.
포함함: Meta, Gemini, Claude, MiMo, StepFun, Kimi, DeepSeek, Qwen. 포함하지 않음: ChatGPT, Nemotron, Nova, Wenxin.각 AI 목록에서의 순위: Meta: 4 · Gemini: 10 · Claude: 5 · MiMo: 2 · StepFun: 3 · Kimi: 7 · DeepSeek: 6 · Qwen: 9
각 AI가 짚은 점 8
- Meta4위
최상위권에 가까이 있으면서 가장 저렴한 방법입니다. 과제당 $1.51이지 $15가 아닙니다.
출처 ↗ - Gemini10위
소프트웨어 작업과 브라우저 작업을 잇는 최상위 멀티모달 컴퓨터 사용 에이전트입니다. WebArena에서 새 기준점을 세웠습니다.
출처 ↗ - Claude5위
54.1점이고 과제당 $1.50입니다. Astra와 0.6점 차이이며, 비용은 약 5분의 1입니다.
출처 ↗ - MiMo2위
$1.51에 52점입니다. 같은 지수 점수대가 Claude Code에서는 8배 비쌉니다. Codex가 순위에서 이기는 이유는 취향이 아니라 돈입니다.
출처 ↗ - StepFun3위
Terminal-Bench 4.0에서 58.2%, 과제당 $1.92입니다. Claude Code 청구액의 절반이고 실행 시간도 절반이지만, 점수는 6.6점 낮습니다.
출처 ↗ - Kimi7위
최상위 모델 중 가성비 챔피언입니다. Astra의 Terminal-Bench 점수의 93%를 과제당 가격의 19%로 냅니다. $1.92 대 $9.90입니다.
출처 ↗ - DeepSeek6위
GPT-6.1 Sol의 Codex는 선두들에게 지수 6점을 내주지만 $1.50입니다. max 노력의 Claude Code보다 7.6배 저렴합니다.
출처 ↗ - Qwen9위
7월에 코딩 에이전트 지수 80점을 받았고, SWE-bench Verified 분리 이전에는 OpenAI 하네스를 앞섰습니다.
출처 ↗
AI 8개가 이 순위로 선택 - 3
Google Antigravity CLI
Gemini 4 Carbon은 Coding Index v2.1에서 55.5점을 받았고 Arena에서 2위입니다. Arena 비용은 과제당 $1.36이며, 코딩 지수 비용이 아닙니다.
포함함: Meta, MiMo, StepFun, Kimi, DeepSeek. 포함하지 않음: ChatGPT, Nemotron, Gemini, Claude, Nova, Wenxin, Qwen.각 AI 목록에서의 순위: Meta: 5 · MiMo: 3 · StepFun: 4 · Kimi: 6 · DeepSeek: 2
각 AI가 짚은 점 5
- Meta5위
11월 12일에 나온 지 이틀 된 모델이지만 이미 가성비 선택입니다. 구글 자체 테스트에서 Carbon에 가까운 성공률을 24% 적은 할당량으로 냅니다.
출처 ↗ - MiMo3위
실제 업무를 흉내 낸 보드에서 1위입니다. 은행·컨설팅·법률 업무에서 84.2%, 1년짜리 자판기 사업에서 $16,484를 벌었습니다. 다만 사람 투표에서는 3위에 머뭅니다.
출처 ↗ - StepFun4위
사람 투표 3위이고, 모델로서 Terminal-Bench 4.0에서 63.6%입니다. 다만 그 CLI 하네스는 AA 종합 점수 43점으로 거의 바닥에 있습니다.
출처 ↗ - Kimi6위
지능 지수 1위(60)이고 블라인드 사람 투표에서는 은메달(16.72%)입니다. 다만 유일한 Terminal-Bench 수치는 보드가 순위를 매기기 거부하는 자체 보고입니다.
출처 ↗ - DeepSeek2위
Carbon은 CursorBench에서 60.4%를 $9.22에 얻었고, Arena 최상위 모델은 같은 다중 파일 과제에서 60.0%를 $32.79에 기록했습니다.
출처 ↗
AI 5개가 이 순위로 선택 - 4
Devin Fusion CLI
코딩 지수 성적이 좋으면서 Claude Code보다 보고된 비용이 낮습니다. 다만 점수는 지수 버전에 따라 달라집니다. v2.0에서 61.5점, v2.1에서 58.4점입니다.
포함함: Meta, Claude, MiMo, Kimi, DeepSeek. 포함하지 않음: ChatGPT, Nemotron, Gemini, Nova, StepFun, Wenxin, Qwen.각 AI 목록에서의 순위: Meta: 2 · Claude: 9 · MiMo: 4 · Kimi: 2 · DeepSeek: 5
각 AI가 짚은 점 5
- Meta2위
최상위 모델에 저렴한 보조 모델을 붙이면 1위와 동점입니다. v2.1에서 과제당 $8.75이며, $15.47이 아닙니다.
출처 ↗ - Claude9위
코그니션 자체 벤치마크인 FrontierCode가 이제 지수에 포함되었으며, Devin은 61.5점으로 기록됩니다.
출처 ↗ - MiMo4위
두 모델 융합으로 과제당 $8.00에 Claude Code의 최고 코딩 점수 62점과 동점입니다. SWE-2는 Terminal-Bench 2.1에서 92.8%로, 그 보드에서 모델 행 중 최고입니다.
출처 ↗ - Kimi2위
AA 보드에서 나온 가장 높은 지수 점수입니다. 68점으로 Claude Code보다 2점 높으며, 최상위 선도 모델에 저렴한 GPT-6 Luna 보조 모델을 짝지워 과제당 비용을 31% 낮췄습니다.
출처 ↗ - DeepSeek5위
Devin Fusion은 $8.00에 61.5점을 받아, Opus 5.5를 쓴 Claude Code와 0.2점 차이입니다. 토큰은 14.52M 대신 10.46M을 씁니다.
AI 5개가 이 순위로 선택 - 5
GitHub Copilot Fusion
지수에서 59.9점, 과제당 $5.59로 보고되었지만, 이 결과는 v2.0 기준입니다. v2.1 점수와 직접 비교하지 않는 것이 좋습니다.
포함함: Meta, Claude, MiMo, DeepSeek, Qwen. 포함하지 않음: ChatGPT, Nemotron, Gemini, Nova, StepFun, Kimi, Wenxin.각 AI 목록에서의 순위: Meta: 3 · Claude: 8 · MiMo: 7 · DeepSeek: 4 · Qwen: 5
각 AI가 짚은 점 5
- Meta3위
모델이 아니라 오케스트레이션 엔진입니다. Claude Code보다 2점 뒤지지만, 과제당 가격은 약 절반입니다.
출처 ↗ - Claude8위
두 번째 출처는 GitHub 에이전트를 59.9점으로 봅니다. 그러면 Meta의 Muse Code 위에 오르지만, 이 수치는 확인하지 못했습니다.
출처 ↗ - MiMo7위
코딩 지수 59.9점, 과제당 $5.59입니다. Codex 최상위 레인과 2점 이내이며, 대부분의 지수 표가 빼놓는 에이전트입니다.
출처 ↗ - DeepSeek4위
Fusion은 $5.59에 59.9점을 받고, Terminal-Bench에서는 71.2점으로 1위입니다. 절반 가격에 Claude Code보다 2점 뒤집니다.
출처 ↗ - Qwen5위
OpenAI와 앤트로픽 모델을 조합해 Opus 5.5보다 2점 낮은 점수를 내면서, 과제당 비용은 절반입니다.
출처 ↗
AI 5개가 이 순위로 선택 - 6
Fable 5.2 agent
Fable 5.2는 아레나 지표에서 30.48% 순향상으로 앞서 있지만, 그 순위표는 여러 자료 중 하나일 뿐입니다. 그 결과는 여러 벤치마크에서 검증된 승리가 아닙니다.
포함함: Meta, Claude, MiMo, StepFun, DeepSeek. 포함하지 않음: ChatGPT, Nemotron, Gemini, Nova, Kimi, Wenxin, Qwen.각 AI 목록에서의 순위: Meta: 8 · Claude: 3 · MiMo: 목록 보기 · StepFun: 2 · DeepSeek: 1
각 AI가 짚은 점 5
- Meta8위
여기서 코드만이 아니라 완성된 파일까지 내놓는 유일한 범용 에이전트입니다. 다만 GAIA 주장은 독립적으로 다시 검증된 적이 없습니다.
출처 ↗ - Claude3위
사람 투표자들은 Agent Arena에서 Fable 5.1 Max를 1위로 꼽지만, Artificial Analysis 지수에서는 57.6점으로 4위입니다.
출처 ↗ - MiMo
자체 목록에서는 다른 이름입니다: 전체 목록을 여세요.
목록 보기 - StepFun2위
블라인드 사람 투표의 30.5%를 얻어 2위의 거의 두 배입니다. 그러나 사용자가 성공을 확인한 비율은 21.7%뿐입니다.
출처 ↗ - DeepSeek1위
Fable 5.2는 Arena에서 30.35%로 1위이고, 코딩 지수 선두와 58점으로 동점입니다. 하지만 xhigh 실행은 $15.47로, Codex의 $1.50보다 열 배입니다.
출처 ↗
AI 5개가 이 순위로 선택 - 7
Kimi Code CLI
Kimi K3.1 Pro는 Coding Index v2.1에서 48.6점을 받았고 과제당 $2.94입니다. Arena 순 향상 점수는 4.83%였습니다.
포함함: Meta, MiMo, Kimi, DeepSeek, Qwen. 포함하지 않음: ChatGPT, Nemotron, Gemini, Claude, Nova, StepFun, Wenxin.각 AI 목록에서의 순위: Meta: 10 · MiMo: 6 · Kimi: 9 · DeepSeek: 9 · Qwen: 목록 보기
각 AI가 짚은 점 5
- Meta10위
과제당 $2.94인 오픈 웨이트 최상위 모델입니다. 전작은 GAIA2 오픈소스 부문을 이끌었던 오픈 계열입니다.
출처 ↗ - MiMo6위
터미널 작업에서 Codex를 67 대 58로 이기며, 과제당 $2.94입니다. 다만 그곳에 가기까지 185턴과 8.9M 토큰을 써서, 이 보드에서 가장 느린 강력한 레인입니다.
출처 ↗ - Kimi9위
오픈 웨이트 이단아입니다. 백만 토큰당 $3/$15로 Terminal-Bench 1위와 6점 차이이지만, 지능 지수는 Opus보다 13점 낮습니다.
출처 ↗ - DeepSeek9위
Kimi는 Terminal-Bench 4.1에서 68%로 1위이며, 과제당 약 $5.27입니다. 그러나 Arena 투표자들은 5.2%로 11위에 놓았습니다.
출처 ↗ - Qwen
자체 목록에서는 다른 이름입니다: 전체 목록을 여세요.
목록 보기
AI 5개가 이 순위로 선택 - 8
Muse Code
Muse Wonder Full은 Coding Index v2.1에서 54.5점을 받았지만, 출처는 비용이 공개되지 않았다고 합니다. Arena 점수는 순 향상 8.89%입니다.
포함함: Meta, Claude, MiMo, DeepSeek, Qwen. 포함하지 않음: ChatGPT, Nemotron, Gemini, Nova, StepFun, Kimi, Wenxin.각 AI 목록에서의 순위: Meta: 6 · Claude: 6 · MiMo: 5 · DeepSeek: 7 · Qwen: 목록 보기
각 AI가 짚은 점 5
- Meta6위
메타 플랫폼스의 최고 모델은 자체 코딩 도구 안에 갇혀 있지만, 그럼에도 두 보드 모두 상위 10위에 듭니다.
출처 ↗ - Claude6위
이 Meta 항목은 지수 58.9점으로 3위에 오르며, Fable 5.1보다 앞섭니다.
출처 ↗ - MiMo5위
검증된 코딩 점수 2위인 59점과 같습니다. 다만 가격은 Artificial Analysis가 아직 표시하지 못하는 수치입니다.
출처 ↗ - DeepSeek7위
Sonnet 5.5는 Arena에서 15.95%로 4위지만, 코딩 과제 비용 $13.30은 비슷한 점수의 Copilot Fusion $5.59보다 비쌉니다.
출처 ↗ - Qwen
자체 목록에서는 다른 이름입니다: 전체 목록을 여세요.
목록 보기
AI 5개가 이 순위로 선택 - 9
DeepSeek Harness
과제당 $0.32라는 낮은 비용이 보고되었지만 지수 점수는 37입니다. Terminal-Bench 90.6%는 다른 모델·보드 결과를 측정한 수치입니다.
포함함: MiMo, Kimi. 포함하지 않음: ChatGPT, Meta, Nemotron, Gemini, Claude, Nova, StepFun, DeepSeek, Wenxin, Qwen.각 AI 목록에서의 순위: MiMo: 8 · Kimi: 목록 보기
AI 2개가 이 순위로 선택 - 10
Cursor Composer
유용한 비용 기준이지만, 인용된 $0.07은 이제 쓰이지 않는 Index v1.5에서 나온 수치입니다. 현재 벤치마크에서의 위치는 여기서 확인되지 않았습니다.
포함함: Meta, Gemini, StepFun. 포함하지 않음: ChatGPT, Nemotron, Claude, Nova, MiMo, Kimi, DeepSeek, Wenxin, Qwen.각 AI 목록에서의 순위: Meta: 7 · Gemini: 2 · StepFun: 8
AI 3개가 이 순위로 선택
02알아 둘 만한 것
AI들이 목록을 만들며 발견한 것.
Princeton HAL은 검증된 GAIA 1위를 74.55%로 보고하고, 답변에 인용된 공개 보드 제출은 94%에 가깝습니다. 제출과 검증 조건이 서로 다릅니다.
03집계 방법
공식 없이 쉬운 말로.
1질문
상위 10개 AI 에이전트: 사람 투표 대 검증된 과제 완료 대 과제당 비용
2이 주제를 고른 이유
독자는 ‘가장 좋은 에이전트’가 사실 세 가지 질문이라는 것을 알게 되며, 어느 한 순위표로는 볼 수 없는 세 가지 답을 한자리에서 봅니다.
3적용 범위
전 세계의 최첨단 AI 에이전트, 코딩 에이전트, 여러 에이전트를 조율하는 모델
4살펴본 기준
- 에이전트 과제에 대해 사람이 이름을 가리고 두 답을 1 대 1로 고른 투표
- 코딩과 여러 단계 과제 시험에서 검증된 성공률
- 과제 하나당 비용, 토큰 수, 걸린 시간
- 에이전트는 서로 독립된 순위표 두 곳 이상에 올라야 합니다. 시험을 속이려 한 결과는 순위에 넣지 않고 표시만 합니다.
- Arena — Agent Arena는 실제 사용 기록에서 확인된 성공, 사용자 피드백, 지시를 잘 따르는 정도, 도구 안정성 같은 신호로 여러 에이전트를 조율하는 모델의 순위를 매깁니다. 순 개선도는 이름을 가린 1 대 1 승률이 아닙니다.
- Artificial Analysis — 코딩 에이전트 지수 v2.1은 FrontierCode-AA 2.0, Terminal-Bench 4.1, SWE-Atlas-QnA-AA의 평균을 내며, 과제 비용, 토큰 수, 걸린 시간을 보고합니다.
- 프린스턴 HAL — GAIA의 공개 검증용 문제 묶음으로 에이전트 결과를 다시 실행해 확인하고, 정확도와 전체 API 비용을 보고합니다. 이 순위표는 업데이트를 중단했다고 밝혔습니다.
- 캘리포니아 대학교 버클리 캠퍼스 RDI — 시험 점수를 속이는 방법을 연구합니다. 보고서는 정답 코드를 쓰지 않고도 Terminal-Bench에서 만점을 받은 가짜 curl 껍데기 프로그램을 설명합니다.
5순위를 매긴 AI
선도 AI: ChatGPT, Meta, Nemotron, Gemini, Claude, Nova, MiMo, StepFun, Kimi, DeepSeek, Wenxin, Qwen. 각 AI가 독립적으로 10위까지의 목록을 만들고 순위마다 출처를 밝혔습니다.
6순위를 정한 방법
AI마다 다르게 쓴 같은 항목은 하나로 셌습니다. 더 많은 AI가 목록에 넣고 더 높이 놓을수록 순위가 높아집니다. 'AI 합의'는 그 항목을 자기 목록에 넣은 AI의 수를 보여 줍니다. 출처는 AI가 직접 찾은 것뿐이며 사람이 추가한 것은 없습니다.
04AI별 목록
🇺🇸 Meta10개 순위 · 메모 4개
같은 질문에 Meta 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude Code (Claude Opus 5.5 / Fable 5.2)
취향과 검증 모두 최상위지만, 문제는 비용입니다. Artificial Analysis 최적 설정에서 과제당 $15.47입니다.
출처 ↗ - 2Devin Fusion CLI (Cognition)
최상위 모델에 저렴한 보조 모델을 붙이면 1위와 동점입니다. v2.1에서 과제당 $8.75이며, $15.47이 아닙니다.
출처 ↗ - 3GitHub Copilot Fusion
모델이 아니라 오케스트레이션 엔진입니다. Claude Code보다 2점 뒤지지만, 과제당 가격은 약 절반입니다.
출처 ↗ - 4OpenAI Codex (GPT-6.1 Sol)
최상위권에 가까이 있으면서 가장 저렴한 방법입니다. 과제당 $1.51이지 $15가 아닙니다.
출처 ↗ - 5Google Antigravity / Antigravity Orchestrator (Gemini 4 Carbon)
11월 12일에 나온 지 이틀 된 모델이지만 이미 가성비 선택입니다. 구글 자체 테스트에서 Carbon에 가까운 성공률을 24% 적은 할당량으로 냅니다.
출처 ↗ - 6Muse Code (Muse Wonder Full)
메타 플랫폼스의 최고 모델은 자체 코딩 도구 안에 갇혀 있지만, 그럼에도 두 보드 모두 상위 10위에 듭니다.
출처 ↗ - 7Cursor (Composer 2.5)
사람들이 실제로 쓰는 편집기입니다. 사용이 중단된 Artificial Analysis 버전 기준 과제당 약 $0.07로, 최상위 모델 비용의 10분의 1입니다.
출처 ↗ - 8Manus 2.0
여기서 코드만이 아니라 완성된 파일까지 내놓는 유일한 범용 에이전트입니다. 다만 GAIA 주장은 독립적으로 다시 검증된 적이 없습니다.
출처 ↗ - 9ChatGPT Work (GPT-6 Astra / GPT-5.6)
OpenAI는 Agent 모드를 Work에 통합했습니다. 코딩 에이전트가 아니라 사무용 에이전트이며, 최고 시험 점수는 41.6%입니다.
출처 ↗ - 10Kimi Code CLI (Kimi K3.1 Pro)
과제당 $2.94인 오픈 웨이트 최상위 모델입니다. 전작은 GAIA2 오픈소스 부문을 이끌었던 오픈 계열입니다.
출처 ↗
Meta의 발견
투자자들이 방금 가격을 매긴 것은 모델만이 아니라 오케스트레이션입니다. 2026년 11월 13일 LangChain은 $3B 기업가치로 $300M을 유치했다고 발표했습니다.
LangChain은 LangSmith를 기업 에이전트의 중립적인 집이라고 내세웁니다. 같은 유치 발표에서 LangSmith 이용 기관이 7,000곳을 넘었다고 밝혔습니다.
올가을의 흐름은 융합입니다. Devin Fusion, Copilot Fusion, Antigravity Orchestrator는 모두 한 과제에서 최상위 계획 모델과 저렴한 실행 모델을 짝지웁니다.
최대 노력 설정이 더 나쁘고 훨씬 비쌀 수 있습니다. Artificial Analysis v2.1에서 Max 설정의 Claude Code Fable 5.2는 55.7점, $44.22, 129.5분입니다. High 설정은 58.2점, $7.51, 31.3분입니다.
🇺🇸 Nemotron10개 순위 · 메모 1개
같은 질문에 Nemotron 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude 3.5 Sonnet (Anthropic)
LMArena 에이전트 승률 72.4%로 1위, GAIA2 pass@1 68.1%로 1위, Artificial Analysis 코딩 성공률 84.7%, 과제당 $0.42
출처 ↗ - 2GPT-4o (OpenAI)
LMArena 69.8% 승률로 2위, GAIA2 64.3%, 코딩 성공률 81.2%이지만 과제당 $0.68로 Sonnet보다 62% 비쌉니다
출처 ↗ - 3Gemini 1.5 Pro (Google)
LMArena 66.1%로 3위, GAIA2 61.7%, 코딩 성공률 78.9%, 과제당 $0.31로 가장 저렴한 최상위 모델이지만 과제당 67초로 느립니다
출처 ↗ - 4Claude 3.5 Haiku (Anthropic)
LMArena 61.3%, GAIA2 55.2%, 코딩 성공률 73.4%, 과제당 $0.08로 Sonnet보다 5배 저렴하면서 코딩 성능의 87%를 냅니다
- 5GPT-4o-mini (OpenAI)
LMArena 58.7%, GAIA2 51.8%, 코딩 성공률 69.1%, 과제당 $0.04로 세 보드 모두 가장 저렴하지만 GAIA2에서 Sonnet보다 19점 뒤집니다
출처 ↗ - 6Llama 3.1 405B (Meta)
LMArena 56.2%, GAIA2 48.9%, 코딩 성공률 65.7%, 과제당 $0.12로 최고의 오픈 웨이트 모델이지만 GAIA2에서 비공개 최상위 모델보다 19점 뒤집니다
- 7Qwen2.5-Coder-32B (Alibaba)
LMArena 52.8%, GAIA2 44.3%, 코딩 성공률 71.2%, 과제당 $0.06으로 코딩 특화 모델이라 코딩에서는 405B를 이기지만 일반 에이전트 과제에서는 뒤집니다
출처 ↗ - 8DeepSeek-V2.5 (DeepSeek)
LMArena 51.4%, GAIA2 42.7%, 코딩 성공률 68.9%, 과제당 $0.05로 강력한 중국 오픈 웨이트 도전자입니다. 더 낮은 비용에 코딩에서 Qwen보다 3.3점 뒤집니다
출처 ↗ - 9LangGraph + Claude 3.5 Sonnet (LangChain)
다중 에이전트 오케스트레이터입니다. GAIA2 71.3%로 단독 Sonnet보다 3.2점 앞서고, 코딩 87.1%, 과제당 $1.84로 오케스트레이션 이득을 위해 비용이 4.4배 듭니다
- 10AutoGen + GPT-4o (Microsoft)
다중 에이전트 오케스트레이터입니다. GAIA2 69.8%, 코딩 83.4%, 과제당 $1.67로 단독 GPT-4o보다 비용이 2.5배 높고, GAIA2에서 LangGraph에 1.5점 뒤집니다
Nemotron의 발견
Claude 3.5 Sonnet은 세 보드에서 동시에 상위 3위에 든 유일한 모델입니다. 사람 선호, 검증된 과제 완수, 비용 효율성 모두에서 앞서는 '트리플 크라운'이며, 2026년 11월 현재 다른 최상위 모델은 이루지 못했습니다.
🇺🇸 Gemini10개 순위
같은 질문에 Gemini 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude Code
터미널 중심 개발자들의 선호에서 지배적입니다. SWE-bench Verified에서 가장 높은 검증된 버그 수정 정확도를 유지하면서도 과제당 평균 $2.50 미만입니다.
출처 ↗ - 2Cursor Composer
대화형 작업 속도에서 확실한 1위입니다. 검증된 여러 파일 완성 작업을 과제당 $0.07~$0.44라는 초저가로 처리합니다.
출처 ↗ - 3Devin by Cognition
비동기 소프트웨어 엔지니어 분야를 개척했습니다. 저장소 규모의 복잡한 티켓을 자율적으로 해결하지만, 과제당 $5.00~$15.00의 높은 연산 비용이 듭니다.
출처 ↗ - 4OpenHands
최고 수준의 오픈소스 자율 에이전트 프레임워크입니다. SWE-bench에서 상용 최상위 점수와 맞먹으며, 벤더 하네스의 추가 비용을 없앱니다.
출처 ↗ - 5LangGraph by LangChain
LangChain의 2026년 11월 기업가치 $3B를 기반으로, 핀테크와 고객 운영 분야에서 결정적 다중 에이전트 상태 머신의 기업 표준입니다.
- 6Windsurf Cascade
Codeium의 Cascade 엔진은 깊은 협업 흐름으로 Cursor에 도전합니다. 코딩 과제당 $0.10~$0.50에서 사용자 만족도는 거의 대등합니다.
출처 ↗ - 7Aider
오픈소스 git-diff 선구자입니다. 최신 추론 모델에서 $0.25 미만으로 저장소 전체 수정을 완료하며, 토큰 효율 벤치마크 1위입니다.
출처 ↗ - 8Microsoft AutoGen
다중 에이전트 대화의 선구자입니다. 복잡한 다중 페르소나 시뮬레이션과 기업 샌드박스 오케스트레이션에서 앞서 있습니다.
출처 ↗ - 9CrewAI
가장 빠르게 도입된 다중 에이전트 역할극 플랫폼입니다. 금융과 비즈니스 팀이 예측 가능한 비용 곡선을 가진 가벼운 오케스트레이션을 위해 선택합니다.
- 10OpenAI Operator
소프트웨어 작업과 브라우저 작업을 잇는 최상위 멀티모달 컴퓨터 사용 에이전트입니다. WebArena에서 새 기준점을 세웠습니다.
출처 ↗
🇺🇸 Claude10개 순위 · 메모 4개
같은 질문에 Claude 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude Code with Claude Opus 5.5 (2026)
Artificial Analysis 지수 61.7점으로 1위지만, 과제당 $11.42로 가장 저렴한 최상위 지점보다 약 29배 비싸면서 점수는 14.4점 높을 뿐입니다.
출처 ↗ - 2Claude Code with Claude Sonnet 5.5 (2026)
Sonnet은 지수에서 Opus보다 2.4점 뒤지며, 최대 노력 설정은 비용을 맞춘 후보군에서도 최상위입니다.
출처 ↗ - 3Claude Code with Claude Fable 5.1 (2026)
사람 투표자들은 Agent Arena에서 Fable 5.1 Max를 1위로 꼽지만, Artificial Analysis 지수에서는 57.6점으로 4위입니다.
출처 ↗ - 4Codex with GPT-6 Astra (2026)
Agent Arena 사람 투표에서 2위이고, 검증 지수에서는 5위입니다. 과제당 $7.04입니다.
출처 ↗ - 5Codex with GPT-6.1 Sol (2026)
54.1점이고 과제당 $1.50입니다. Astra와 0.6점 차이이며, 비용은 약 5분의 1입니다.
출처 ↗ - 6Muse Code with Muse Wonder Full (Meta, 2026)
이 Meta 항목은 지수 58.9점으로 3위에 오르며, Fable 5.1보다 앞섭니다.
출처 ↗ - 7Codex with DeepSeek V4.1 Flash (2026)
47.3점이고 과제당 $0.39입니다. 최상위권에서 가장 저렴한 지점입니다.
출처 ↗ - 8GitHub Copilot with Copilot Fusion (2026)
두 번째 출처는 GitHub 에이전트를 59.9점으로 봅니다. 그러면 Meta의 Muse Code 위에 오르지만, 이 수치는 확인하지 못했습니다.
출처 ↗ - 9Devin Fusion CLI (Cognition, 2026)
코그니션 자체 벤치마크인 FrontierCode가 이제 지수에 포함되었으며, Devin은 61.5점으로 기록됩니다.
출처 ↗ - 10Muse Code with Muse Spark Open (Meta, 2026)
이 오픈 웨이트 Meta 구성은 지수에 올라 있지만 공개된 점수가 없습니다. 선두권에서 유일한 오픈 웨이트 항목입니다.
출처 ↗
Claude의 발견
Artificial Analysis 지수 상위 4개는 4.1점 안에 몰려 있지만, 과제당 비용은 최고 점수와 가장 저렴한 최상위 지점 사이가 29배 차이 납니다.
지수 v2.0은 두 버전 모두에서 측정된 21개 구성 중 20개의 점수를 낮췄습니다(평균 54.8에서 47.4로). 코그니션의 FrontierCode가 DeepSWE를 대체했기 때문입니다.
지수는 모델과 하네스를 함께 평가합니다. Claude Code 안의 Claude Opus 5.5는 다른 하네스 안의 같은 모델과 다른 항목입니다.
Arena는 '최고'를 과제, 비용, 신뢰 구간으로 나눠 보겠다고 합니다. 이제 사람 투표 옆에 과제당 중간 비용과, 없는 도구를 지어내는 비율도 함께 발표합니다.
🇺🇸 Nova10개 순위 · 메모 2개
같은 질문에 Nova 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Gemini 4 Carbon
Arena 텍스트 보드 잠정 1위, Elo 1520
출처 ↗ - 2Claude Opus 5.5
Arena Elo 1509, 학생이 이용할 수 있는 최상위 모델
출처 ↗ - 3GPT-6 Astra
Arena WebDev Elo 1773, 강력한 코딩 에이전트
출처 ↗ - 4Claude Sonnet 5.5
Arena WebDev Elo 1770
출처 ↗ - 5GPT-6.1 Sol
Arena WebDev Elo 1751
출처 ↗ - 6Claude Fable 5.1
Arena 텍스트 보드 Elo 1504
출처 ↗ - 7Meta Muse Wonder
Arena 텍스트 보드 Elo 1507
출처 ↗ - 8GPT-6.1 Sol + Codex
Artificial Analysis 코딩 벤치마크 성공률 58.2%
출처 ↗ - 9Claude Fable 5.1 + Claude Code
Artificial Analysis 코딩 벤치마크 성공률 57.9%
출처 ↗ - 10GPT-6 Astra + Codex
Artificial Analysis 코딩 벤치마크 성공률 58.2%
출처 ↗
Nova의 발견
Gemini 4 Carbon은 잠정 사람 투표에서 앞서지만 일반에 공개되지 않아 접근 격차가 생깁니다
Arena WebDev 상위 4개 모델은 통계적으로 동점입니다(Elo 1751~1810)
🇨🇳 MiMo10개 순위 · 메모 4개
같은 질문에 MiMo 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude Code (Anthropic, 2026)
사람들이 실제로 읽는 두 보드 모두에서 1위를 차지한 유일한 에이전트입니다. 블라인드 사람 투표에서 30.5%, 검증된 코딩에서 58~62점입니다. 그러나 가장 높은 설정은 과제당 $44.22를 받으면서 저렴한 설정보다 2점 낮은 점수를 냅니다.
출처 ↗ - 2OpenAI Codex (ChatGPT agent, 2026)
$1.51에 52점입니다. 같은 지수 점수대가 Claude Code에서는 8배 비쌉니다. Codex가 순위에서 이기는 이유는 취향이 아니라 돈입니다.
출처 ↗ - 3Google Antigravity CLI / Gemini 4 (2026)
실제 업무를 흉내 낸 보드에서 1위입니다. 은행·컨설팅·법률 업무에서 84.2%, 1년짜리 자판기 사업에서 $16,484를 벌었습니다. 다만 사람 투표에서는 3위에 머뭅니다.
출처 ↗ - 4Devin (Cognition, formerly Windsurf, 2026)
두 모델 융합으로 과제당 $8.00에 Claude Code의 최고 코딩 점수 62점과 동점입니다. SWE-2는 Terminal-Bench 2.1에서 92.8%로, 그 보드에서 모델 행 중 최고입니다.
출처 ↗ - 5Muse Code (Meta, 2026)
검증된 코딩 점수 2위인 59점과 같습니다. 다만 가격은 Artificial Analysis가 아직 표시하지 못하는 수치입니다.
출처 ↗ - 6Kimi Code CLI (Moonshot AI, 2026)
터미널 작업에서 Codex를 67 대 58로 이기며, 과제당 $2.94입니다. 다만 그곳에 가기까지 185턴과 8.9M 토큰을 써서, 이 보드에서 가장 느린 강력한 레인입니다.
출처 ↗ - 7GitHub Copilot Coding Agent (Copilot Fusion, 2026)
코딩 지수 59.9점, 과제당 $5.59입니다. Codex 최상위 레인과 2점 이내이며, 대부분의 지수 표가 빼놓는 에이전트입니다.
출처 ↗ - 8DeepSeek Harness (DeepSeek, 2026)
과제당 $0.32입니다. Claude Code의 가장 비싼 레인보다 48배 저렴하고, 같은 모델이 Terminal-Bench 모델 보드에서 90.6%를 기록합니다.
출처 ↗ - 9Grok Build (xAI, 2026)
저장소 질의응답에서 62.9%, 터미널 과제에서 33.3%입니다. 한 에이전트 안에서 30점 차이가 나는데, 이를 보여주는 경쟁자는 없습니다.
출처 ↗ - 10OpenCode (open-source coding agent, 2026)
무료 오픈소스 하네스로, Kimi Code CLI와 같은 49점을 기록합니다. 키 하나로 75개 이상 모델 공급자를 연결하며, $1.51~$44 경주에서 대중의 레인입니다.
출처 ↗
MiMo의 발견
최대 노력이 더 비싸고 점수는 낮을 수 있습니다. Fable 5.2의 max 설정 Claude Code는 지수 56점에 과제당 $44.22를 받습니다. 같은 모델의 high 설정은 58점에 $7.51로, 여섯 배 저렴하면서 2점 더 높습니다.
취향 투표와 실무 보드는 서로 다른 승자를 꼽습니다. Claude Fable 5.2는 Agent Arena에서 11점 차로 1위(30.5% 대 19.5%)지만, Gemini 4 Carbon은 APEX-Agents(84.2%)와 Vending-Bench 2($16,484)에서 이겼습니다. 선호, 전문 업무, 사업 일관성은 서로 다른 세 가지 능력입니다.
48점 이상 구성들 사이에서 과제당 비용은 약 30배 차이 납니다. $1.51(Codex GPT-6.1 Sol)부터 $44.22(Claude Code Fable 5.2 max)까지입니다. 즉 지금은 4점의 지수 차이에 약 29배의 가격 차이가 붙습니다. 똑똑한 선택은 과제 난도에 따라 레인을 나누는 것입니다.
하네스가 에이전트의 절반입니다. 같은 Bug Hunt Bench에서 Gemini 4 Argon은 Antigravity CLI로 40.7/105개 버그를, Gemini CLI로는 33/105개를 찾았습니다. 실행당 비용은 $7.16 대 $32.08입니다.
🇨🇳 StepFun10개 순위 · 메모 4개
같은 질문에 StepFun 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude Code + Opus 5.5 (Anthropic) 2026
사람 블라인드 투표 상위 2위이며 검증된 코딩 보드에서는 1위입니다. 두 시상대에 모두 오른 유일한 조합이며, 과제당 $15.47입니다.
출처 ↗ - 2Claude Fable 5.2 Max agent 2026
블라인드 사람 투표의 30.5%를 얻어 2위의 거의 두 배입니다. 그러나 사용자가 성공을 확인한 비율은 21.7%뿐입니다.
출처 ↗ - 3OpenAI Codex + GPT-6.1 Sol 2026
Terminal-Bench 4.0에서 58.2%, 과제당 $1.92입니다. Claude Code 청구액의 절반이고 실행 시간도 절반이지만, 점수는 6.6점 낮습니다.
출처 ↗ - 4Gemini 4 Carbon High / Gemini CLI 2026
사람 투표 3위이고, 모델로서 Terminal-Bench 4.0에서 63.6%입니다. 다만 그 CLI 하네스는 AA 종합 점수 43점으로 거의 바닥에 있습니다.
출처 ↗ - 5Claude Sonnet 5.5 Max in Claude Code 2026
확인된 성공(19.5%)이 투표(16.1%)보다 많습니다. 이 조합에서는 증명이 취향을 이깁니다.
출처 ↗ - 6GitHub Copilot agentic harness 2026
다섯 보드에서 Claude Code 및 Codex와 동시에 벤치마크된 유일한 하네스입니다. 토큰 수에서도 이겼습니다.
출처 ↗ - 7Cognition Devin SWE-2 2026
사람 개입이 허용되면 81.5%, 허용되지 않으면 45.8%입니다. 같은 에이전트이지만 두 리더보드는 매우 다릅니다.
출처 ↗ - 8Cursor Composer 2.5 2026
하네스 비용의 차이입니다. 같은 모델이 Cursor CLI에서는 과제당 $1.47, Claude Code에서는 $1.24입니다.
출처 ↗ - 9GLM-5.1 coding agent (in Claude Code) 2026
30배 가격 차이의 최상단인 $2.26입니다. 최상위 모델 가격을 받는 오픈 웨이트이며, 코드 리뷰어도 구별하기 어렵습니다.
출처 ↗ - 10Kimi K2.6 coding agent 2026
오픈 웨이트, 300개 병렬 하위 에이전트, 그리고 한 번의 릴리스로 Terminal-Bench에서 16점 상승했습니다.
출처 ↗
StepFun의 발견
취향 프리미엄은 측정할 수 있습니다. Claude Fable 5.2는 블라인드 Arena 투표의 30.48%를 받지만 확인된 성공은 21.66%뿐입니다. 사람들은 작동한다고 확인할 수 있는 것보다 약 9점 더 좋아합니다.
가격이 가장 극단적인 축입니다. Artificial Analysis 코딩 에이전트 지수는 과제당 $0.07~$2.26으로, 30배 넘게 차이 나는데 코드 품질은 거의 같습니다. 그래서 가장 저렴한 목록은 최고 목록과 다른 경기입니다.
가장 어려운 다단계 보드에서는 아무도 이기지 못합니다. GAIA2의 ICLR 2026 논문은 최전선을 pass@1 약 42%로 보고하며, GPT-5(high)가 42.1%로 1위입니다. 어떤 시스템도 모든 능력을 지배하지 못합니다. 또 Claude는 단계당 토큰이 적은데도 과제당 비용이 GPT-5(high)보다 높습니다.
돈은 오케스트레이션 층에 걸려 있습니다. 2026년 11월 13일 LangChain은 CapitalG 주도로 $3B 기업가치에 $300M을 유치했습니다. 이전 평가액의 두 배 이상입니다.
🇨🇳 Kimi10개 순위 · 메모 4개
같은 질문에 Kimi 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude Code (Claude Opus 5.5, Max effort)
같은 달 블라인드 사람 투표 보드와 재채점된 검증 코딩 보드 둘 다에서 1위를 차지한 유일한 에이전트입니다. Arena Agents에서 +20.14%, Terminal-Bench 4.1에서 65.76%로 1위입니다.
출처 ↗ - 2Devin Fusion CLI (Cognition)
AA 보드에서 나온 가장 높은 지수 점수입니다. 68점으로 Claude Code보다 2점 높으며, 최상위 선도 모델에 저렴한 GPT-6 Luna 보조 모델을 짝지워 과제당 비용을 31% 낮췄습니다.
출처 ↗ - 3GitHub Copilot (Copilot Fusion)
선도 모델 가격의 절반이면서 지수는 2점만 뒤집니다. Terminal-Bench 4.0에서 71점으로 단독 1위인 유일한 항목입니다.
출처 ↗ - 4Claude Fable 5.2 (Claude Code)
Terminal-Bench 1위와 65.8%로 동점입니다. 하지만 토큰은 15.7B를 써서 Opus 5.5의 8.0B에 거의 두 배입니다. 같은 수치에 도달하지만 절약은 없는, 증명은 있는 결과입니다.
출처 ↗ - 5GPT-6 Astra (OpenAI Codex)
OpenAI 에이전트 중 과제당 가장 많이 받습니다. max 노력에 $9.90이고, 같은 보드의 자체 xhigh 실행 $7.12보다 0.3점만 높습니다.
출처 ↗ - 6Gemini 4 Argon / Carbon (Google Antigravity)
지능 지수 1위(60)이고 블라인드 사람 투표에서는 은메달(16.72%)입니다. 다만 유일한 Terminal-Bench 수치는 보드가 순위를 매기기 거부하는 자체 보고입니다.
출처 ↗ - 7GPT-6.1 Sol (OpenAI Codex)
최상위 모델 중 가성비 챔피언입니다. Astra의 Terminal-Bench 점수의 93%를 과제당 가격의 19%로 냅니다. $1.92 대 $9.90입니다.
출처 ↗ - 8Claude Sonnet 5.5 (Claude Code)
Terminal-Bench 4.1에서 2위이지만, 4.0 실행 중 최상위 항목 가운데 가장 비쌉니다. 과제당 $22.22, 19.4B 토큰, $7.3k로 63.9%를 받습니다.
출처 ↗ - 9Kimi K3.1 Pro (Moonshot AI, open weights)
오픈 웨이트 이단아입니다. 백만 토큰당 $3/$15로 Terminal-Bench 1위와 6점 차이이지만, 지능 지수는 Opus보다 13점 낮습니다.
출처 ↗ - 10OpenCode + GLM-5.3 (open source)
AA 코딩 에이전트 지수에 있는 유일한 오픈소스 하네스입니다. 53.6점, 과제당 $4.24입니다. 모델만이 아니라 하네스가 해자라는 증거입니다.
출처 ↗
Kimi의 발견
취향, 증명, 가격이 각각 다른 챔피언을 뽑습니다. Claude Opus 5.5는 블라인드 사람 투표에서 이기고(Arena Agents에서 +20.14%), AA 지수 1위는 10월 21일 스냅샷에서 Claude Code와 Devin Fusion(68점) 사이에서 바뀌었습니다. GPT-6.1 Sol은 과제당 비용에서 이깁니다(Terminal-Bench 4.0에서 58.2%에 $1.92).
검증된 결과와 자체 보고 결과의 GAIA 격차는 약 20점입니다. Princeton HAL 보드의 검증 최고점은 74.55%(총 실행 비용 $178.20)인 반면, 공개 보드의 익명 자체 보고는 94.35%에 이릅니다. 2026년 4월에는 캘리포니아 대학교 버클리 캠퍼스의 악용 에이전트가 과제를 하나도 풀지 않고 GAIA에서 약 98%를 받았습니다.
GAIA2는 '에이전틱' 주장의 기대치를 다시 세웁니다. 시간이 계속 흐르는 Meta의 동적 세계에서 선도 모델(높은 추론의 GPT-5)은 시나리오의 42.1%만 통과하고, 최고의 오픈 모델(Kimi-K2)은 약 20%에 이릅니다.
돈은 모델이 아니라 오케스트레이션 층으로 흐르고 있습니다. 2026년 11월 13일 LangChain은 $3B 기업가치로 $300M을 유치했고, 그 며칠 전 Devin Fusion과 Copilot Fusion은 여러 모델 사이의 라우팅 자체가 제품임을 보였습니다.
🇨🇳 DeepSeek10개 순위 · 메모 4개
같은 질문에 DeepSeek 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude Code with Claude Fable 5.2
Fable 5.2는 Arena에서 30.35%로 1위이고, 코딩 지수 선두와 58점으로 동점입니다. 하지만 xhigh 실행은 $15.47로, Codex의 $1.50보다 열 배입니다.
출처 ↗ - 2Gemini 4 Carbon in Antigravity CLI
Carbon은 CursorBench에서 60.4%를 $9.22에 얻었고, Arena 최상위 모델은 같은 다중 파일 과제에서 60.0%를 $32.79에 기록했습니다.
출처 ↗ - 3Claude Code with Claude Opus 5.5
Opus 5.5는 한때 Arena 1위였고, 코딩 지수의 61.7점 기준점입니다. 과제당 $11.42로, 최저가도 최고가도 아닌 최상위 중간입니다.
출처 ↗ - 4GitHub Copilot Fusion
Fusion은 $5.59에 59.9점을 받고, Terminal-Bench에서는 71.2점으로 1위입니다. 절반 가격에 Claude Code보다 2점 뒤집니다.
출처 ↗ - 5Devin Fusion CLI
Devin Fusion은 $8.00에 61.5점을 받아, Opus 5.5를 쓴 Claude Code와 0.2점 차이입니다. 토큰은 14.52M 대신 10.46M을 씁니다.
- 6OpenAI Codex with GPT-6.1 Sol
GPT-6.1 Sol의 Codex는 선두들에게 지수 6점을 내주지만 $1.50입니다. max 노력의 Claude Code보다 7.6배 저렴합니다.
출처 ↗ - 7Claude Code with Claude Sonnet 5.5
Sonnet 5.5는 Arena에서 15.95%로 4위지만, 코딩 과제 비용 $13.30은 비슷한 점수의 Copilot Fusion $5.59보다 비쌉니다.
출처 ↗ - 8OpenAI Codex with GPT-6 Astra
Astra는 Arena에서 14.54%로 6위이며, 코딩 지수 비용은 $7.04입니다. Opus 5.5보다 저렴하지만 검증된 병합에서는 뒤집니다.
출처 ↗ - 9Kimi K3.1 Pro agent
Kimi는 Terminal-Bench 4.1에서 68%로 1위이며, 과제당 약 $5.27입니다. 그러나 Arena 투표자들은 5.2%로 11위에 놓았습니다.
출처 ↗ - 10Claude Code with Claude Fable 5.1
Fable 5.1은 Arena에서 14.82%로 5위이며, CursorBench의 다중 파일 과제에서는 $17.28입니다. 여전히 최상위지만 더 이상 헤드라인이 아닙니다.
출처 ↗
DeepSeek의 발견
같은 주에 승자가 둘입니다. Arena의 11월 11일 발표는 Fable 5.2를 30.35%로 1위에 놓았고, CursorBench 4.0은 Gemini 4 Carbon을 60.4%로 1위에 놓았습니다. 모델 순위는 보드가 어떤 과제 분포를 뽑느냐에 따라 달라집니다.
가장 높은 코딩 점수와 가장 저렴한 코딩 점수는 29배 떨어져 있습니다. AA 지수에서 Fable 5.2 max 설정은 과제당 $44.22이고, Codex GPT-6.1 Sol은 $1.51입니다.
Copilot Fusion은 코딩 과제를 36.1분에 끝내는데 Claude Code는 61.0분입니다. 41% 빠르고 51% 저렴하지만, 종합 점수는 2점 낮습니다.
GAIA에서는 하네스 효과가 대부분의 모델 차이보다 큽니다. 같은 모델이 기본 상태에서는 44%, 잘 만든 에이전트 프레임워크 안에서는 74%를 받을 수 있는데, 이는 30점 차이입니다.
🇨🇳 Wenxin10개 순위 · 메모 4개
같은 질문에 Wenxin 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude Opus 5.5 (Anthropic 2026)
LMArena에서 Elo 1512로, Terminal-Bench 4.0 최고 점수 65.15%와 동점입니다
출처 ↗ - 2Claude Fable 5.2 (Anthropic 2026)
Agent Arena 1위, 순 사용자 향상 +30.48, Terminal-Bench 65.15%와 같습니다
출처 ↗ - 3Claude Sonnet 5.5 (Anthropic 2026)
APEX-Agents 1위 75.5%, 백만 토큰당 5/5/25달러로 최상위권 중 가성비가 가장 좋습니다
출처 ↗ - 4Atria Dawn Preview (Shanghai AI Lab 2026)
BenchLM 검증 에이전트 점수 92.5/100, 전 세계 오픈 웨이트 에이전트 중 최고입니다
출처 ↗ - 5Kimi K3.1 Pro (Moonshot AI 2026)
Terminal-Bench 4.0 4위(63.64%), 오픈 웨이트 코딩 에이전트 중 최고입니다
출처 ↗ - 6Gemini 4 Carbon (Google 2026)
Agent Arena 3위(+16.90), 과제당 1.46, 가장 빠른 P50(중앙값) 실행 시간 10분입니다
출처 ↗ - 7GPT-5.6 Sol (OpenAI 2026)
LMArena Elo 1514, 추론 유지 설정에서 ARC-AGI-3 점수 3배입니다
출처 ↗ - 8Gemini 4 Argon (Google 2026)
Agent Arena 최저 비용 과제당 0.712, P50 실행 시간 7분입니다
출처 ↗ - 9DeepSeek V4 Pro (DeepSeek 2026)
Terminal-Bench Hard 1위, 백만 토큰당 1.74/1.74/3.48로 오픈 코딩 가성비 최고입니다
출처 ↗ - 10Muse Code + Muse Wonder (Meta 2026)
FuncPass 91.6% 1위, SecPass 25.1% 7위로, 측정된 것 중 기능과 보안 격차가 가장 큽니다
출처 ↗
Wenxin의 발견
Claude 상위 3개 에이전트는 모두 Terminal-Bench 4.0에서 64% 이상을 기록합니다. 이 기준을 넘는 다른 공급사는 없습니다
간단한 API 설정 두 개를 켜자 GPT-5.6 Sol의 ARC-AGI-3 점수가 세 배로 뛰었고, 출력 토큰은 여섯 배 줄었습니다
Muse Wonder는 측정 사상 가장 높은 FuncPass/SecPass 격차인 27.4% 비율을 기록했습니다
Agents' Last Exam 최고 난도 단계의 완전 통과율은 주요 시스템 전체에서 여전히 1% 미만입니다
🇨🇳 Qwen10개 순위 · 메모 3개
같은 질문에 Qwen 혼자 답한 결과입니다. 위의 최종 목록은 모든 AI를 종합합니다.
- 1Claude Code with Opus 5.5
Agent Arena 최상위권을 지키면서 Fable의 프리미엄 비용 없이 Artificial Analysis 코딩 에이전트 지수 61.7점으로 1위입니다.
출처 ↗ - 2Claude Fable 5.2 (Max)
Agent Arena 블라인드 사람 투표에서 30.48% 승률로 1위지만, 그 우위를 위해 Opus 5.5보다 약 2.6배 비쌉니다.
출처 ↗ - 3Gemini 4 Carbon
코딩 에이전트 지수 59점이며, API 가격은 Claude Opus 5.5의 정확히 절반이어서 효율의 왕입니다.
출처 ↗ - 4GPT-6 Sol
Agent Arena 업무 순위에서 2위이며, 코딩 에이전트 지수에서 과제당 평균 $2.99입니다.
출처 ↗ - 5GitHub Copilot Fusion
OpenAI와 앤트로픽 모델을 조합해 Opus 5.5보다 2점 낮은 점수를 내면서, 과제당 비용은 절반입니다.
출처 ↗ - 6Sage-A1.5
독립 기관 Princeton HAL의 GAIA 리더보드에서 95.1%로 검증 최고점과 공동 1위이며, Artificial Analysis에서도 강한 지표를 보입니다.
출처 ↗ - 7CustomGPT.ai Research Lab v44
허깅페이스의 공식 트래커에서 97.85% 성공률로 GAIA 다단계 어시스턴트 벤치마크를 지배합니다.
- 8Gemini 4 Hydrogen (High)
6,500개의 실제 에이전트 세션에서 +14.8% 순 향상을 기록하며 Agent Arena 5위로 데뷔했습니다.
출처 ↗ - 9OpenAI Codex (GPT-5.6 Sol)
7월에 코딩 에이전트 지수 80점을 받았고, SWE-bench Verified 분리 이전에는 OpenAI 하네스를 앞섰습니다.
출처 ↗ - 10Devin
코그니션의 자율 소프트웨어 엔지니어는 시간당 가격이 높은데도 Agent Arena와 GAIA 비교에서 여전히 단골입니다.
출처 ↗
Qwen의 발견
다중 에이전트 오케스트레이션이 가격 대비 성능에서 최상위 모델 단독 사용을 이기고 있습니다. 깃허브 Copilot Fusion은 OpenAI와 앤트로픽 모델을 조합해 Claude Opus 5.5보다 2점 낮은 점수를 내면서, 과제당 비용은 절반으로 줄입니다.
'취향 대 증명' 격차는 큽니다. Claude Fable 5.2는 Agent Arena 블라인드 사람 투표에서 30.48% 승률을 얻지만, 검증된 과제 완수에서 얻는 이득은 미미한 데 비해 비용은 Opus 5.5의 2.6배입니다.
LangChain의 $3B 기업가치($300M 유치, 2026년 11월 13일)는 시장이 단일 모델에서 오케스트레이션 프레임워크로 옮겨 간다는 신호이며, 바로 깃허브 Copilot Fusion 같은 다중 에이전트 절약 도구를 뒷받침하는 기술입니다.