Artificial Analysis Coding Agent Index：Gemini 4 Argon（High）的 Antigravity CLI 分数与成本

一句话结论

Artificial Analysis 的 Coding Agent Index v1.5 将代理定义为“模型与测试框架的组合”，通过 DeepSWE v1.1、Terminal-Bench 4.0 和 SWE-Atlas-QnA 三项代理式编码评估；原帖记录 Gemini 4 Argon（high）在 Antigravity CLI 上得分 64、每任务成本 $5.84。这是特定模型—harness 组合的公开指数快照，不是只比较模型本身，也不能与 review02 的 Intelligence Index 结果混为一谈。

适用场景

• 适合判断的任务：记录同一 Coding Agent Index v1.5 快照中 Argon 与其他模型—harness 组合的指数分数和评测任务成本。

• 不适合外推的任务：推断 Argon 脱离 Antigravity CLI 后的通用编码能力、速度、生产账单或所有软件工程任务的成功率；也不能把不同 harness 的分数当作模型单体排名。

• 适用的模型版本：Gemini 4 Argon（high）；原帖未提供 API 模型 ID 或更细的版本标识。

• 测试环境或客户端：Antigravity CLI；Coding Agent Index 明确把 harness 纳入被测代理，原帖未公开调用端点、provider、输入、样本量或完整运行环境。

• 推理档位和参数：high；未披露并行设置、提示词、上下文、输出上限、重试或其他参数。

测评方法

原帖说明，Artificial Analysis Coding Agent Index 衡量的是代理，即模型与 harness 的组合，并覆盖三项代理式编码评估。附图标题进一步标明版本为 Coding Agent Index v1.5，包含：

1. DeepSWE v1.1

2. Terminal-Bench 4.0

3. SWE-Atlas-QnA

附图标注 Higher is better。原帖没有公开三项评估的逐项输入、输出、样本量、运行次数、停止条件、失败处理、随机性控制、调用端点、provider 快照或完整 harness，因此无法据此重建逐项独立实验。

这组数据与 review02 的 Artificial Analysis Intelligence Index v4.3.2 不同：本帖讨论的是 Coding Agent Index，不能把本帖的 64 分替换为或合并到 Intelligence Index 的 53 分。

关键结果

三行是不同模型与 harness 的组合，只能作为同一指数快照中的上下文比较。原帖称 Argon 的成本不到 Sonnet 5.5 的一半，但没有提供按评估、输入/输出 token、provider 或账单项目拆分的成本明细。

原始数据

• 原帖英文正文：Artificial Analysis 称 Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Argon 在 Coding Agent Index 排行榜上位居前列，但性能与成本各有不同平衡；并说明该指数通过三个代理式编码评估衡量“模型与 harness 的组合”。

• Argon 条目：Argon 的 high 档在 Antigravity CLI 中为 64 分、$5.84/任务；原帖同时注明使用 Google 的促销定价，且当时尚未公开可用。

• 附图：图题为 Artificial Analysis Coding Agent Index，副标题写明 v1.5 包含 DeepSWE v1.1、Terminal-Bench 4.0 和 SWE-Atlas-QnA，并标注 Higher is better。图中 Argon 条目标为 Antigravity CLI / Gemini 4 Argon，分数为 64；成本图将其标为 Antigravity CLI - Gemini 4 Argon (Google)。

• 所属线程回复：Artificial Analysis 发布“探索完整结果并比较编码代理”的后续帖并附 Artificial Analysis 链接，但当前原帖页面未展示更多 Argon 的逐项数据。可见回复有人质疑模型尚未公开可用，也有人询问是否为早期访问；这些是可用性讨论，不是独立复测。

• 原帖互动数据：页面显示 96 条回复、105 次转帖、1,005 次喜欢、121 次书签和 98,514 次观看；这些互动数据不是测评分数。

结论与边界

1. 64 分与 $5.84/任务只适用于 Artificial Analysis Coding Agent Index v1.5 中的 Gemini 4 Argon (high) + Antigravity CLI 组合，不能拆解为 Argon 模型本身的独立得分或通用价格。

2. 三项评估构成已由附图明确显示，但页面没有公开逐项 prompt、输入、样本、完整 harness、provider、调用端点或运行日志；“三个评估”不等于本资料拥有三套可复现的独立测试数据。

3. high 是原帖列出的 Argon 档位；其余参数未公开，不能补写并行度、上下文长度、输出上限、重试策略或 token 统计。

4. $5.84 使用 Google 促销定价，不能当作生产环境固定成本；原帖没有给出计费周期、缓存、平台加价、输入/输出 token 或汇率口径。

5. Sonnet 5.5、Argon、GPT-6.1 Sol 分别使用 Claude Code、Antigravity CLI、Codex；不同 harness 共同进入指数，不能硬排模型本体，也不能仅凭 68、64、63 判断软件工程质量或实际可完成任务范围。

6. 原帖称 Argon 在 10 月 2 日尚未公开可用，线程的早期访问讨论属于该历史快照，不代表 10 月 13 日扩大开放后的现状；当前入口应核对官方模型目录。

7. 本帖的 Coding Agent Index 64 不应与 review02 的 Intelligence Index 53、AA-Omniscience 等指标合并或互相替代；两者评估构成和口径不同。

复现说明

若要复核该快照，应固定 Artificial Analysis Coding Agent Index v1.5、三项评估、Gemini 4 Argon (high)、Antigravity CLI、provider、输入与输出限制、停止条件、失败处理、重试、token 统计和价格快照，并保存每项原始输出与评分规则。还应对 Claude Code 与 Codex 组合分别记录其模型档位和 harness 配置。当前原帖没有公开这些输入、端点和运行细节，因此只能复核公开的 64 分与 $5.84/任务声明，不能声称已完成逐项独立复现。