AI Aulis

AI-UUTISET SUOMEKSI · 14.11.2026

Tekoälyalan tärkeimmät uutiset joka aamu. Tekoäly kirjoittaa ja tarkastaa jutut alkuperäisiä lähteitä vasten – tarkista tärkeät tiedot lähteistä.

← Numero 14.11.2026Lehti

Artificial Analysis: Claude Fable 5.2 ja Opus 5.5 kärjessä koodausagenttien indeksissä

Tekoälyn tuottama sisältöTekoälyn kirjoittama

artificialanalysis.ai, x.com · 7 lähdettä · Lähteet julkaistu: 14.11.2026 · osan lähteistä ajankohta ei tiedossa

Artificial Analysiksen päivitetyssä koodausagenttien indeksissä Claude Fable 5.2 ja Claude Opus 5.5 saivat 58 pistettä. Claude Codessa Fable 5.2 maksoi korkeimmalla päättelytasolla 44,22 $ tehtävältä ja sai vähemmän pisteitä kuin 7,51 $ maksanut high-taso.

Tekoälymalleja vertaileva Artificial Analysis julkaisi 14. marraskuuta koodausagenttien indeksistään version 2.1. Indeksi mittaa malleja harnessissa eli agenttia ohjaavassa ohjelmassa, joka antaa mallille työkalut ja ajaa sen työvaiheet. Sama malli voi olla listalla useaan kertaan eri harnessilla tai päättelytasolla.

Indeksi on kolmen vertailutestin painottamaton keskiarvo. Jokainen tehtävä ajetaan kolmesti.

Uudet testit laskivat pisteitä

FrontierCode-AA 2.0 korvasi Cognitionin FrontierCode 1.1:n. Siinä on 132 tehtävää oikeissa avoimen lähdekoodin repositorioissa. Arvio perustuu siihen, hyväksyisikö ylläpitäjä agentin muutoksen. Ratkaisu saa nollan, jos se ei läpäise kaikkia pakollisia tarkistuksia. Muuten se saa 70–100 prosenttia.

Terminal-Bench 4.1:ssä on samat 66 komentorivitehtävää kuin versiossa 4.0. Sen tarkistimet ovat kuitenkin luotettavampia ja kestävät paremmin reward hackingia eli keinoja, joilla agentti saa tarkistuksen läpi ratkaisematta tehtävää. Indeksissä pysyi Scale AI:n SWE-Atlas-QnA-AA, jonka 124 kysymystä mittaavat koodin ymmärtämistä.

Artificial Analysiksen mukaan tulokset ovat uudessa versiossa keskimäärin 5 pistettä matalampia FrontierCode-AA 2.0:n vuoksi. Palvelu neuvoo vertaamaan tuloksia saman testikokoelman sisällä, joten lasku ei kerro mallien heikentyneen. Vain Codexin ja GPT-6.1 Terran (max) tulos ei laskenut, vaan pysyi pisteen päässä aiemmasta.

Fable 5.2:n korkein päättelytaso ei nostanut pisteitä

Kärjessä on 58 pisteellä Claude Fable 5.2 Claude Codessa high- ja xhigh-tasolla. Samaan ylsi Claude Opus 5.5 (max) sekä Claude Codessa että yhdessä GPT-6 Luna Highin kanssa Cognitionin usean mallin Devin Fusion CLI -harnessissa.

Fable 5.2:n max-taso sai 56 pistettä. Artificial Analysiksen mukaan syy oli, että useampi yritys katkesi tehtävän aikarajaan.

Taulukossa ovat Claude Coden ja Fable 5.2:n pisteet ja keskimääräinen hinta tehtävää kohden eri päättelytasoilla sekä vertailuksi halvin vähintään 48 pistettä saanut kokoonpano.

Harness ja malli (päättelytaso) Indeksi Hinta/tehtävä
Claude Code, Fable 5.2 (medium) 53 2,89 $
Claude Code, Fable 5.2 (high) 58 7,51 $
Claude Code, Fable 5.2 (xhigh) 58 15,47 $
Claude Code, Fable 5.2 (max) 56 44,22 $
Codex, GPT-6.1 Sol (max) 52 1,51 $

Lähde: Artificial Analysis Coding Agent Index v2.1.

Hinnat eivät kerro tilauskäyttäjän kuluja. Ne ovat tokenhinnoin laskettuja API-kuluja, joissa välimuistin alennukset on huomioitu. Artificial Analysis muistuttaa, että moni käyttää harnesseja tilauksella.

Claude Codessa Fable 5.2:n medium-, high- ja xhigh-tasot ovat Pareto-rintamalla: mikään kokoonpano ei saa niitä enemmän pisteitä halvemmalla. Max-taso maksoi lähes kuusi kertaa high-tason verran. Vähintään 48 pistettä saaneista halvin oli Codex ja GPT-6.1 Sol (max) 1,51 dollarilla tehtävältä. Kallein kokoonpano maksoi noin 30 kertaa enemmän.

Kaikki tulokset ja menetelmäkuvaus ovat Artificial Analysiksen verkkosivuilla.

Aiemmin aiheesta

Ilmoita virheestä tässä jutussa