AI Agent分档榜单：Claude Code、Codex、Cursor谁领跑？

每个厂商都说自己的Agent最强，但基准测试显示三款产品并列榜首，而GitHub上最火的那款却屡遭黑客攻击。这份带证据的分档榜单，把当下真正能用的AI Agent按基准分数、价格和实际记录排了个座次。

S档：编码Agent的三巨头

在SWE Bench Verified这一标准编码测试上，顶级模型全部落在93%到97%之间，Claude Opus 5以97%位居第一。这个测试已经接近满分，实验室们只能转向更难的题目。在Terminal Bench 4上，Anthropic报告Opus 5.5达到66%，而GPT-6 Astra为58%。到了Vending Bench 2——一个让Agent独立经营一年生意的独立测试——Astra以15,500美元收官，Opus 5则为11,000美元。每家实验室赢下不同的测试。

Cursor跻身S档的理由不同：它是大多数人实际运行这些Agent的编辑器。订阅从每月8美元起，提供云端Agent，截至7月估值达500亿美元。Claude Code包含在每月20美元的Claude套餐中，Codex则随所有ChatGPT档位提供，包括免费版。

SWE Bench Verified 是评估编码 Agent 的核心基准之一，由普林斯顿大学等机构提出。它从真实 GitHub 仓库中抽取 issue 与对应的修复 PR，要求 Agent 在隔离环境中自行定位问题并生成补丁，最后以隐藏的单元测试判定对错。由于题目来自真实项目、答案可自动验证，它比人工评分更客观。但该基准已接近饱和——顶级模型普遍落在 93%–97%，区分度下降，因此业界开始转向 Terminal Bench 4（考察 Agent 在终端中完成多步运维与工程任务的能力）和 Vending Bench 2（让 Agent 独立经营一年自动售货生意，考察长期规划与资金管理），后者更贴近真实、长周期的自主性考验。

提示注入（Prompt Injection） 是针对 LLM Agent 的一类攻击：攻击者把恶意指令藏在 Agent 会读取的内容里（网页、邮件、文档、插件返回值），诱导 Agent 把攻击者的指令当作你的指令执行，例如外泄数据或调用危险工具。浏览器 Agent 尤其高危，因为它天然要读取大量第三方页面。常见缓解手段包括权限最小化、对工具调用做人工确认、隔离不可信内容与指令通道，但目前尚无根治方案，这也是浏览器 Agent 品类整体仍不成熟的主因。

A档：成熟但各有短板

Devon背后的Cognition公司估值480亿美元，9月年化收入突破10亿美元，并运行自研模型SWE-2。

GitHub Copilot是廉价入门选择，每月10美元即含云端Agent。Manus是一款通用Agent，在Meta的20亿美元收购被中国叫停后依然存活，10月又融了5亿美元。Replit的Agent在100美元套餐上可并行运行10个任务。这四款都经过验证，但各有一处短板：价格、适用范围，或底层模型。

B档：新秀与细分玩家

OpenAI的DOTS和Anthropic的Claude Duet是常驻型个人Agent，问世均不足一个月，都卡在等待名单或高价档位后面。亚马逊的Kiro和谷歌的Jules是扎实的编码Agent，但配额偏紧——Jules每天免费给15个任务。微软的Agent 365是管理层，每用户15美元，它治理Agent，而不是让Agent更聪明。浏览器Agent也归在这一档：ChatGPT Atlas和Perplexity的Comet，免费或便宜，整个品类仍在与提示注入搏斗——网页会向Agent下命令，而不是你。

C档：最火的未必最安全

OpenClaw^广告是GitHub上星标最多的Agent，截至3月已有24.7万星。但它也是思科抓到的通过插件外泄数据的那一个、明文存储密钥的那一个、被中国政府限制的那一个。英伟达CEO本周仍然为它背书。流行不等于安全。

OpenClaw 的案例揭示了 Agent 生态的一个结构性问题：插件/扩展机制在扩大能力边界的同时也放大了攻击面。思科发现的插件外泄数据、明文存储密钥，都属于典型的供应链与配置安全缺陷——前者意味着第三方插件可以读取并外传 Agent 上下文，后者意味着凭据一旦泄露即可被直接复用。对使用者而言，评估一个 Agent 不能只看星标数与功能，还要看其插件权限模型、密钥管理方式以及是否有独立的安全审计；对厂商而言，流行度带来的攻击者关注度本身就是风险增量。

所有Agent都适用的提醒

这些东西会宕机。Claude在9月3日出现多模型故障，10月22日又发生长达四小时的连接器事故。如果你的工作依赖Agent，你的B计划必须是人。

怎么选？写代码的话，Claude Code或Codex，挑你已经在付费的套餐；想要编辑器就选Cursor。不写代码的话，再等等——个人Agent才一个月大，让别人先去踩坑。