بطاقة عنوان تقول: Gemini 4 Neon يتصدر Coding Agent Index، مع السطر 58.64 للمركّب، متقدمًا بمقدار 0.17 على Claude Fable 5.2 — و4.2 من تقدمه المركّب البالغ 5.17 نقطة على GPT-6.2 Astra يأتي من مكوّن واحد، فوق بطاقتين تقرأان 58.64 على Coding Agent Index v2.1 و+0.17 على Claude Fable 5.2 (xhigh)، تجمعهما التسمية xhigh · Antigravity CLI، ومذيّلة بعبارة جميع الأرقام وفق Artificial Analysis Coding Agent Index v2.1، قراءة 19 نوفمبر 2026.
Guides & Insights

Gemini 4 Neon تتصدر مؤشر Coding Agent Index بنتيجة 58.6 — الفارق إلى Claude Fable 5.2 هو 0.17 نقطة، ومعظم الفارق إلى GPT-6.2 Astra سببه اختبار قياسي واحد

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

G​emini 4 Neon now holds first place on the Artificial Analysis Coding Agent Index at 58.64, with Claude Fable 5.2 at 58.47 and GPT-6.2 Astra — released on 17 November, two days before this reading — at 53.47. That is the claim going around, and every number in it checks out against the published leaderboard. It is also, read carefully, an argument about harnesses as much as about models: Neon's 58.64 was measured inside G​oogle's own Antigravity CLI, Fable 5.2's 58.47 inside Claude Code, Astra's 53.47 inside Codex. Three labs, three terminal agents, one composite built from 396 FrontierCode 2.0 attempts, 372 SWE-Atlas-QnA attempts and 198 Terminal-Bench 4.1 attempts per row. The ranking is real. What it means for your repository is narrower — and considerably more useful — than a leaderboard screenshot suggests.

Everything below is read off the public coding-agents leaderboard at Artificial Analysis on 19 November 2026, on index version v2.1. None of it is G​oogle's own benchmark table: the composite, the three component scores, the cost per task and the token counts are measured in the lab, each run through the vendor's own terminal agent. G​oogle's launch-day figures for G​emini 4 Neon — Chartography 73.5%, Terminal-Bench 4.1 at 65.2%, FrontierCode 2.0 at 46.2% — are a separate set, vendor-reported and not the source of any measured figure below, and they are labelled as such wherever they appear next to these.

ما الذي يحصيه المؤشر فعليًا

لا يختبر مؤشر Coding Agent Index نموذجًا بمعزل عن غيره. فكل صف هو زوج من إطار الاختبار والنموذج، والرقم الرئيسي هو المتوسط متساوي الأوزان لدرجات ثلاثة مكوّنات: FrontierCode 2.0، وهو 132 مهمة هندسة برمجيات كتبتها Cognition ونفّذتها Artificial Analysis؛ وSWE-Atlas-QnA، وهو 124 مهمة أسئلة وأجوبة تقنية من Scale AI مع تعديل التقييم بواسطة AA؛ وTerminal-Bench 4.1، وهو 66 مهمة طرفية وكيلية من Laude Institute. كل مكوّن هو متوسط الدرجة على مدى ثلاث محاولات لكل مهمة. ولا تنشر الصفحة أي فترة ثقة على أي من ذلك، وهو أول ما ينبغي معرفته قبل التعامل مع عُشر نقطة كحقيقة عن القدرة.

The Artificial Analysis Coding Agent Benchmarks page, headed Artificial Analysis Coding Agent Benchmarks, with a panel defining the Artificial Analysis Coding Agent Index as the composite of three benchmarks — FrontierCode-AA 2.0 with 132 software engineering tasks by Cognition, Terminal-Bench 4.1 with 66 agentic terminal tasks by the Laude Institute and SWE-Atlas-QnA with 124 technical Q&A tasks by Scale AI — above three bar charts for Coding Agent Index v2.1, Time per Task and Cost per Task, each labelled No publicly available API.

هذا التحفظ يهم أكثر من المعتاد هنا، لأن قمة لوحة الترتيب شديدة التقارب. مرتّبة حسب المركّب، إلى منزلتين عشريتين:

• G​emini 4 Neon (xhigh)، Antigravity CLI — 58.64

• Claude Fable 5.2 (xhigh)، Claude Code — 58.47

• Devin Fusion CLI، Claude Opus 5.5 max + GPT-6 Luna high — 58.40

• Claude Fable 5.2 (high)، Claude Code — 58.24

• Claude Opus 5.5 (الحد الأقصى)، Claude Code — 58.16

خمس تهيئات ضمن نصف نقطة، تشمل ثلاثة موردين وثلاثة وكلاء مختلفين. وكل ما يفصل بينها ليس مرئيًا عند هذه الدقة، وأي مقال يصف صدارة هذا التصنيف بأنها نتيجة حاسمة إنما يصف التقريب على أنه إشارة.

الفارق البالغ خمس نقاط يعود في معظمه إلى معيار واحد

مقارنة GPT-6.2 Astra هي حيث يصبح العنوان الرئيسي مثيرًا للاهتمام، لأن فجوة مركبة من خمس نقاط تبدو بنيوية ثم يتبين أنها متركزة في مكوّن واحد. وتحتاج أيضًا إلى تصحيح واحد مسبقًا: رقم «متقدم بست نقاط» المتداول منذ الإطلاق هو ما تحصل عليه عند مقارنة 58.64 الخاص بـ Neon مقابل Astra عند إعداد العالي، الذي يسجل 52.28 — متأخرًا بـ6.36 نقطة. مقابل أفضل تهيئة لـ Astra، الأقصى عند 53.47، تكون الفجوة 5.17. كلا الرقمين مطروحان؛ يصفان إعدادين مختلفين للنموذج نفسه. فكّك اقتران الأقصى بشكل منفصل:

• FrontierCode 2.0 — Neon (xhigh) 43.0 مقابل Astra (max) 41.7، بفارق 1.3 نقطة عبر 132 مهمة في هندسة البرمجيات.

• Terminal-Bench 4.1 — Neon 65.2 مقابل Astra 63.6، بفارق 1.6 نقطة عبر 66 مهمة طرفية.

• SWE-Atlas-QnA — نيون 67.7 مقابل أسترا 55.1، بفارق 12.6 نقطة عبر 124 مهمة أسئلة وأجوبة تقنية.

نحو أربعة أخماس الفرق المركّب يأتي من مكوّن الأسئلة والأجوبة، وهذا هو المكوّن الأقل شبهاً بما يفعله الوكيل عندما يحرّر مستودعاً. يطلب SWE-Atlas-QnA من أداة التقييم الإجابة عن أسئلة تتعلق بقاعدة شيفرة. ويطلب FrontierCode وTerminal-Bench منها تغيير قاعدة شيفرة، أو تشغيل طرفية حتى يكتمل عمل ما. وفي مجموعتي المهام اللتين تشبهان عمل الوكيل الحقيقي، يقع G​emini 4 Neon وGPT-6.2 Astra ضمن نقطتين من بعضهما — أي بنفس رتبة الحجم التي يبلغها التباين بين التكوينات الخمسة في القمة. وفي مجموعة المهام التي تشبه الاسترجاع والاستدلال، يتفوّق Neon باثنتي عشرة نقطة.

القراءتان صحيحتان، وأيّهما تتنبأ بتجربتك هو خاصية بحمل عملك لا بلوحة الصدارة. إذا كان وكيلك يقضي يومه في الإجابة عن أسئلة حول قاعدة شيفرة خاصة كبيرة، فإن SWE-Atlas-QnA هو أقرب وكيل بديل على اللوحة، وفجوة اثنتي عشرة نقطة تستحق التصرف بناءً عليها. وإذا كان يقضي يومه في فتح طلبات سحب، فإن FrontierCode وTerminal-Bench هما الوكيلان البديلان الأقرب، والمركّب يبالغ في تقدير الفرق بمعامل ثلاثة أو أربعة.

A two-column scoreboard titled Gemini 4 Neon vs GPT-6.2 Astra — the scoreboard. Gemini 4 Neon (xhigh, Antigravity CLI) reads Coding Agent Index 58.64, FrontierCode 2.0 43.0, Terminal-Bench 4.1 65.2, SWE-Atlas-QnA 67.7, Cost per task $6.86, Refusals 0. GPT-6.2 Astra (max, Codex) reads Coding Agent Index 53.47, FrontierCode 2.0 41.7, Terminal-Bench 4.1 63.6, SWE-Atlas-QnA 55.1, Cost per task $5.12, Refusals 8 hard stops. The footer says All figures per Artificial Analysis Coding Agent Index v2.1, read 19 November 2026.

تسير تكلفة كل مهمة في الاتجاه المعاكس

تقدم Artificial Analysis التكلفة إلى جانب النتيجة، وفيما يخص التكلفة ينعكس الترتيب. متوسط التكلفة لكل مهمة عبر المؤشر الكامل:

• Gemini 4 Neon (xhigh) — $6.86، و13.72 مليون رمز إدخال و125.6 ألف رمز إخراج، و177 خطوة، و30.5 دقيقة من الوقت الفعلي.

• Claude Fable 5.2 (xhigh) — 15.47 دولارًا، و9.55 مليون رمز إدخال و207.4 ألف رمز إخراج، و95 خطوة، و53.3 دقيقة.

• Claude Fable 5.2 (مرتفع) — 7.51 دولارات، 5.02 مليون رمز إدخال و94.1 ألف رمز إخراج، 55 خطوة، 31.3 دقيقة.

• GPT-6.2 Astra (max) — 5.12 دولارًا، 4.62 مليون رمز إدخال و43.0 ألف رمز إخراج، 51 خطوة، 25.1 دقيقة.

• Gemini 4 Carbon (high) — ‏9.75 دولارًا، 15.31 مليون رمز إدخال و120.5 ألف رمز إخراج، 186 خطوة، 33.6 دقيقة.

ثلاثة أمور تنتج عن ذلك. أولًا، Neon أرخص بـ2.3 مرة لكل مهمة من Fable 5.2 عند الإعداد الذي يُقيَّم عنده صف Fable، وينتهي في 30.5 دقيقة مقابل 53.3. ثانيًا، Neon ليس رخيصًا بالقيمة المطلقة: بتكلفة 6.86 دولار، يكلف 34% أكثر لكل مهمة من إعداد GPT-6.2 Astra الذي يتفوق عليه، و30% أقل من شقيقه Gemini 4 Carbon، الذي يتفوق عليه بـ3.2 نقطة مركبة — لذا فمقارنةً بـCarbon تكون الحالة واضحة على المحورين، ومقارنةً بـAstra فهي مقايضة مباشرة بين الدولارات والنتيجة. ثالثًا، يفسّر ملف الرموز السعر. يستهلك Neon 13.72 مليون رمز إدخال و177 خطوة لكل مهمة مقابل 9.55 مليون و95 لـFable 5.2: نحو 44% إدخالًا إضافيًا و86% استدعاءات أدوات أكثر لنتيجة تسبق بـ0.17 نقطة. تتراوح معدلات إصابة التخزين المؤقت بين 94% و96% في كل صف أعلاه، لذا ليس هذا أثرًا للتخزين المؤقت — بل هو النموذج يتخذ خطوات أكثر وأصغر.

G​oogle's launch material claims G​emini 4 Neon at its default high setting costs 32% less per task than Gemini 4 Carbon. That is vendor-reported and this board does not reproduce it. The only Neon row published here is xhigh, at $6.86 against Carbon's $9.75 — a 30% saving, close to the vendor figure, but measured at the deepest of Neon's four thinking settings rather than at the default the claim describes. Read the direction as supported and the precise number as unconfirmed until a high row exists.

يغيّر الإعداد النتيجة أكثر مما يغيّرها النموذج.

أكثر ما يفيد في هذه اللوحة ليس الترتيب، بل أن Claude Fable 5.2 يظهر خمس مرات ضمن نفس أداة الاختبار، وعلى خمسة مستويات تفكير، وتسجل درجاته 47.96 عند منخفض، و53.04 عند متوسط، و58.24 عند مرتفع، و58.47 عند مرتفع جدًا و55.74 عند الأقصى — بفارق 10.5 نقاط ناتج عن معامل واحد. GPT-6.2 Astra يظهر خمس مرات في Codex ويسجل من 35.58 عند منخفض إلى 53.47 عند الأقصى، بفارق 17.9 نقطة عبر النوع نفسه من الإعدادات.

قارن تلك النطاقات بالفجوات التي تدور حولها العناوين الرئيسية. الفارق بين Astra عند المنخفض وAstra عند الأقصى هو 3.5 أضعاف الفجوة بين Neon وAstra عند أفضل إعداداتهما، و5.6 أضعاف الفجوة بين Neon وCarbon. إن الفارق البالغ 10.5 نقاط داخل Fable 5.2 وحده يزيد على ضعف المسافة الكاملة من المركز الأول لـNeon إلى المركز العاشر لـAstra. إن اختيار نموذج من رقم واحد لكل نموذج هو اختيار على أصغر متغير في الصفحة؛ فمستوى الجهد الذي تمرره والوكيل الذي تُغلّفه حوله يحركان النتيجة أكثر من الشعار الموجود على العلبة.

It also makes the "surpassed Fable 5.2" framing need a qualifier. Neon's 58.64 is measured at xhigh inside Antigravity CLI, and it is the only Neon configuration on the board — there is no high row, so nobody outside G​oogle can yet say what Neon's default costs in score or in dollars. Fable 5.2's 0.17-point deficit holds at its own xhigh and, more narrowly, at high where it scores 58.24 on $7.51 per task. Both of those numbers are inside the range a different harness could plausibly reverse, which is not a criticism of Neon — it is what a half-point spread at the top of a 41-row board means.

ما الجديد فعليًا هنا؟

بلغت G​emini 4 Neon مرحلة الإتاحة العامة في 18 نوفمبر 2026، أي قبل يوم واحد من قراءة هذه اللوحة، بسعر 3.00 دولارات لكل مليون رمز إدخال و15.00 دولارًا لكل مليون رمز إخراج مقابل نافذة سياق بسعة مليون رمز. وهي مملوكة وبسعر ثابت: لا توجد فترة تمهيدية ولا طبقة مجانية، على عكس Gemini 4 Hydrogen. لقد غُطّيت بطاقة الأسعار ودرجات الذكاء المستقلة في مكان آخر على هذه المدونة؛ والجديد هو أول نتيجة وكيلية مقاسة، وهي تقول عدة أشياء لم يقلها منشور الإطلاق.

قال منشور الإطلاق بالفعل إنه احتل المركز الأول في Artificial Analysis Coding Agent Index بدرجة 58.6، وهذا الرقم هو بالضبط ما تنشره اللوحة، وفق التكوين الموصوف. لكن ما لم يذكره المنشور هو أن الفارق عن التكوين التالي يبلغ 0.17 نقطة، وأن معظم التقدم على GPT-6.2 Astra يأتي من أحد المكونات الثلاثة، أو أن التشغيل استهلك 13.72 مليون رمز إدخال لكل مهمة. هذه هي التفاصيل التي يحتاجها القارئ الذي يقرر ما الذي سينشره، وهي لا توجد إلا على اللوحة.

ثمة رقم آخر يستحق أن يُوضع إلى جانب الدرجة: صفر رفض. عبر جميع المحاولات الـ966 في صف Neon — 396 في FrontierCode، و372 في SWE-Atlas-QnA، و198 في Terminal-Bench — سجّلت Artificial Analysis صفر رفض أمان وصفر لجوء إلى مزوّد بديل. Fable 5.2 عند xhigh سجّل رفضًا واحدًا في FrontierCode، و38 في SWE-Atlas-QnA، و16 في Terminal-Bench؛ GPT-6.2 Astra عند max سجّل 8 رفضات في SWE-Atlas-QnA، كلها توقفات صارمة. الرفض ليس فشلًا في القدرة، لكنه مهمة لم يكملها الوكيل، وفي حلقة وكيلية يظهر كتوقّف معلّق بدلًا من إجابة خاطئة. وبالنسبة لوكيل موجّه إلى مستودعات الإنتاج، فإن نموذجًا يكمل كل محاولة يمثّل فرقًا تشغيليًا لا تضاهيه أي تهيئة أخرى على هذه اللوحة.

ما تكاليف التحويل، وأين موقعنا

إذا كانت أرقام Neon تُرجّح خوض تجربة، فالسؤال العملي هو ماذا تكلّف التجربة من ناحية الهندسة. Neon ليس في كتالوجنا: قائمة نماذج OrcaRouter تضم google/gemini-4-carbon و google/gemini-4-argon ولا يوجد إدخال لـ Neon اعتبارًا من 19 نوفمبر، لذا لا يمكننا توجيهه لك اليوم ولن نوحي بغير ذلك. GPT-6.2 Astra ليس في الكتالوج أيضًا. ما نقدمه فعلاً هو anthropic/claude-fable-5.2 بسعر Anthropic المعلن البالغ $8.00 للإدخال و$40.00 للإخراج لكل مليون، إضافة إلى النموذج الأسبق openai/gpt-6-astra — GPT-6 Astra، نموذج من سبتمبر وصفّ مختلف على هذه اللوحة — بسعر $10.00 و$50.00. كلاهما يعمل بالمفتاح نفسه بسعر القائمة لدى المزوّد بهامش ربح 0%، ما يعني أنه يمكن إعادة تشغيل الحساب أعلاه على حركة المرور الخاصة بك دون عقد ثانٍ.

The OrcaRouter model page for Claude Fable 5.2, showing the model identifier anthropic/claude-fable-5.2, a 1M-token context window, a maximum output of 128K tokens, multimodal input across text, image and file, capability chips for vision, tools, JSON and reasoning, the line by Anthropic · 2026-11-09, a p50 time to first token of 5.52 seconds, and a price row reading $8.00 input and $40.00 output per million tokens with 33.5M tokens of traffic over seven days.

أهم ما يهم في لوحة متقاربة إلى هذا الحد هو معدل تبدّل المتصدرين. فثلاث من التكوينات الخمسة الرائدة تستخدم نموذجًا صدر خلال الأيام العشرة الماضية، وقد تغيّر الترتيب في كل مرة وصل فيها أحدها. وأي مسار إنتاجي مرتبط بالصف الذي يحتل المرتبة الأولى اليوم يُعاد بناؤه عندما يصدر النموذج التالي، ولهذا ينبغي أن يكون قرار التوجيه خارج الشيفرة. فمع نقطة نهاية واحدة وقاعدة توجيه، يصبح النموذج المرشح تغييرًا في الإعدادات لا عملية ترحيل، كما يتيح التحويل التلقائي عند الفشل لنموذج غير مُثبت أن يقف خلف نموذج مُثبت ويستوعب جزءًا من الحركة دون تعريض المسار الرئيسي للخطر.

بالنسبة إلى النموذجين اللذين نخدمهما فعلاً، فإن تمرير التكلفة حرفي: فعندما تغيّر A​nthropic أو O​penAI سعراً، يتغيّر الرقم على فاتورتنا في اليوم نفسه، دون أي إضافات فوقه. هذا هو الأساس الصادق لمقارنة التكلفة أعلاه — أعد تسعير الجانبين وفق ما ستُفوتر به فعلياً، لا وفق رقم منشور في تدوينة إطلاق.

من ينبغي أن يتصرف بشأن هذا، وكيف؟

تدعم اللوحة ثلاثة قرارات مختلفة وفقًا لما تشغّله، وهي ليست القرار نفسه.

إذا كنت تشغّل وكيلاً يجيب عن الأسئلة فوق قاعدة شيفرة خاصة ضخمة — مساعدو التأهيل، وأدوات "أين جرى تنفيذ هذا"، ومخطّطو الترحيل — فإن فجوة SWE-Atlas-QnA هي الرقم المهم، و67.7 مقابل 55.1 واسعة بما يكفي لتبرير تجربة مدروسة. خصّص ميزانية لإعداد xhigh، لأنه التهيئة الوحيدة التي خضعت للتقييم، ولا تفترض أن الإعداد الافتراضي يؤدي بالشكل نفسه.

إذا كنت تشغّل وكيلًا يفتح طلبات سحب ويدير طرفية، فالخلاصة الصادقة هي أن Neon وFable 5.2 وOpus 5.5 وثنائي Devin Fusion يقعون ضمن نصف نقطة مركّبة من بعضهم بعضًا وضمن ثلاث نقاط على Terminal-Bench، رغم أن درجاتهم في FrontierCode تتباين على نطاق أوسع، من 43.0 إلى 49.2. لا توجد هنا حجة قدرات تدعو إلى تبديل أي شيء. هناك حجة تكلفة — Neon بسعر 6.86 دولار مقابل Fable 5.2 بسعر 15.47 دولار للدرجة نفسها — وحجة تشغيلية في صف انعدام الرفض. وليس أيٌّ منهما سببًا لترحيل خط أنابيب عامل هذا الأسبوع.

إذا كنت لا تزال تختار إطار تشغيل، فثمة تكون الأدلة أقوى وأقل غموضًا. إن التفاوت بين مستويات التفكير داخل النموذج الواحد ليفوق بكثير التفاوت بين النماذج الرائدة عند أفضل إعداداتها. إن قضاء عصرين في تشغيل وكيلك الخاص عند مستويين أو ثلاثة من مستويات الجهد سيزودك بمعلومات عن فاتورتك ومعدل اجتيازك أكثر مما يزودك به أي وقت تقضيه في قراءة لوحة الصدارة هذه، بما في ذلك هذه المقالة.

What to watch: a Neon row at its default high setting. Until one is published, the model that tops the board has been measured at exactly one configuration — and the 32%-cheaper-per-task claim G​oogle makes is about the setting nobody has scored yet.

مقارنات في هذه المقالة2

مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا