Agentic Index
由Artificial Analysis提供的专项评估基准，用于衡量大语言模型的智能代理能力，包含工具调用准确率、多步推理成功率、任务完成效率等维度
时间轴 (近 90 天)
Agentic Index 建议：若想把完整任务委托出去、拿回测试过的 PR，选 Cognition Devin；若希望开发者拥有带 Tab 预测编辑的更好编辑器、从单一代理窗口管理云端代理编队，并且按 Grok 模型每月 8 美元起步、其他模型按 API 价付费的模式符合采购习惯，选 Cursor。
Agentic Index 声称其研究覆盖上千家 AI 代理厂商、不接受付费排名，本次是 120 个编码代理对比之一。
原始素材在结论段落出现大量重复语句，且部分表述（如“10 月纳入 X 订阅”）缺少年份上下文，读者应以官方定价页为准。
该模型在Agentic Index上拿到51分，超过Claude Opus的最高推理档，但在Terminal Bench和GPQA Diamond上落后于Claude Opus级别
全部知识事实 (4)
Agentic Index 建议：若想把完整任务委托出去、拿回测试过的 PR，选 Cognition Devin；若希望开发者拥有带 Tab 预测编辑的更好编辑器、从单一代理窗口管理云端代理编队，并且按 Grok 模型每月 8 美元起步、其他模型按 API 价付费的模式符合采购习惯，选 Cursor。
50%待验证Agentic Index 声称其研究覆盖上千家 AI 代理厂商、不接受付费排名，本次是 120 个编码代理对比之一。
50%待验证原始素材在结论段落出现大量重复语句，且部分表述（如“10 月纳入 X 订阅”）缺少年份上下文，读者应以官方定价页为准。
50%待验证该模型在Agentic Index上拿到51分，超过Claude Opus的最高推理档，但在Terminal Bench和GPQA Diamond上落后于Claude Opus级别
50%