AIコーディング：Opus 5.5がエージェントv2.0で首位奪還、Kimi K3.1 Pro登場
総合知能1位はClaude Opus 5.5が維持し、コーディングエージェント指数はv2.0改編によりOpus 5.5がSonnet 5.5を抜いて首位を奪還した。コスパではGPT-6.1 Solが健在な中、新登場のKimi K3.1 Proが高スコア帯の選択肢に加わった。
この記事はコーディングやエージェントワークフロー向けにモデルを選ぶ際の週間ブリーフだ。順位はArtificial Analysis（AA）のボードを基準とし、数値は2026年10月25日前後のスナップショットだ。Intelligence Index（インテリジェンス指数）は数学・科学・コーディング・論理的思考をまとめた総合スコアで、Coding Agent Index（コーディングエージェント指数）は実際のオープンソースリポジトリ作業やターミナル操作、技術Q&Aを束ねたエージェント向けスコアだ。特に今週は10月23日にAAがCoding Agent Index v2.0を公開し、フロンティア順位に大きな変動があった。「注目モデル」も公式ランキングではなく、先週のリリースや主要な変更をまとめた編集整理だ。
インテリジェンス指数TOP3と新規参入
AA Intelligence Index v4.3.2は同じモデルを設定ごとに並べる。下表はモデルごとの最高設定のみを残したもので、2位は56点で同率だ。
| 順位 | モデル（設定） | スコア | タスクあたりのコスト |
|---|---|---|---|
| 1 | Claude Opus 5.5（max, fallback） | 58 | 5.98ドル（約940円） |
| 2 | Claude Sonnet 5.5（max, fallback） | 56 | 5.46ドル（約860円） |
| 2 | Muse Wonder Full（max） | 56 | 記載なし |
上位3モデルの並びは先週と変わらないが、10月23日にリリースされたMoonshot AIのKimi K3.1 Proが知能55点、タスクあたり2.11ドル（約330円）で一気に4位に食い込んだ。Opus 5.5は9月22日、Sonnet 5.5は9月28日に公開され、いずれもコンテキスト長は100万トークンだ。トークンはAIが文章を読み書きする単位で、単語を細かく分けた断片だ。API価格はOpusが入力100万トークンあたり4ドル（約630円）・出力20ドル（約3,100円）、Sonnetが入力2ドル（約310円）・出力10ドル（約1,600円）となっている。Kimi K3.1 Proは入力2.00ドル（約310円）・出力10.00ドル（約1,600円）でSonnetと同単価だが、タスクあたりの出力生成量が多いためタスクコストは2ドル前後となる。
Coding Agent Index v2.0改編
今週最大のトピックは10月23日に実施されたCoding Agent Index v2.0の公開だ。従来のDeepSWE v1.1に代わりCognitionのFrontierCode v1.1（100タスク）が採用され、Terminal-Bench 4.0（66タスク）、SWE-Atlas-QnA-AA（124タスク）を合わせた計290タスクで構成される。リポジトリのメンテナが実際にマージする基準で厳格に採点されるため、v1.0とv2.0の両方で測定された21構成の平均スコアは54.8点から47.4点へと約7.4ポイント低下した。
| 順位 | モデルおよび実行環境 | v2.0スコア | 備考 |
|---|---|---|---|
| 1 | Claude Code + Claude Opus 5.5（max） | 61.7 | タスクあたり約11.42ドル（約1,800円） |
| 2 | Claude Code + Claude Sonnet 5.5（max） | 59.3 | 先週v1.0首位から2位へ後退 |
| 3 | Muse Code + Muse Wonder Full（max） | 58.9 | サブスクリプション専用 |
| 4 | Claude Fable 5.1（max, fallback） | 57.6 | 上位を維持 |
先週のv1.0ではClaude Code環境のSonnet 5.5（68.4%）やMuse Code環境のMuse Wonder Full（68.0%）がOpus 5.5（66.0%）を上回っていた。しかし実務マージ基準で厳格化されたv2.0では、Opus 5.5が61.7点で首位を奪還した。複雑なリポジトリ文脈の把握やコードリファクタリングにおいて、Opusの推論（完成したモデルで答えを生成すること）能力がスコア維持に寄与した形だ。これに続きCodex環境のGPT-6.1 Solが54.1点（タスクあたり約1.50ドル・約240円）を記録し、Gemini 4 Argon（Antigravity CLI環境）は40点台前半から半ば、DeepSeek V4.1 Flash構成は47.3点（タスクあたり約0.39ドル、約61円）につけている。
コスパTOP3
AAのIntelligence Indexスコアとタスクあたりコストを比較したコスパの整理だ。Solは推論設定ごとにスコアが異なるため、高スコア帯代表としてmaxを、低価格帯としてmediumを併記する。
| 順位 | モデル（設定） | インテリジェンス指数 | タスクあたりのコスト |
|---|---|---|---|
| 1 | GPT-6.1 Sol（max） | 52 | 0.72ドル（約110円） |
| 2 | GPT-6.1 Sol（medium） | 48 | 0.21ドル（約33円） |
| 3 | Kimi K3.1 Pro（Moonshot AI） | 55 | 2.11ドル（約330円） |
Solは知能48〜52の高スコア帯において依然として最も経済的な選択肢だ。xhigh設定では知能51でタスクあたり0.39ドルとなる。新たに登場したKimi K3.1 Proは知能55点でOpus（58点、5.98ドル）やSonnet（56点、5.46ドル）に迫りつつ、タスクコストを2.11ドルと半分以下に抑えている。より低価格な純粋コスパ帯ではMiMo-V2.6-Pro（知能46、タスクあたり0.13ドル・約20円）やClaude Haiku 5.5（max、知能43、タスクあたり0.21ドル・約33円）が上位を維持している。
コーディングエージェントボードv2.0でも、Codex環境のSol（54.1点、タスクあたり約1.50ドル）やDeepSeek V4.1 Flash（47.3点、タスクあたり0.39ドル）は、1回10ドルを超えるOpus構成に代わる現実的な実務代替案として機能している。
先週の注目モデル、新規モデル
10月19日から25日にかけてのコーディング・エージェント領域の主な動きは4点だ。
- Moonshot AI Kimi K3.1 Pro & Highspeed — 10月23日発表。2.8兆パラメーター（アクティブ104B MoE）アーキテクチャと100万トークンのコンテキストをサポート。総合知能55点で上位に直行し、近くオープンウェイトが公開される予定だ。モデルの重みを公開し、自分で動かしたり改変したりできるオープンウェイト陣営の中で最も高い知能スコアを記録している。
- NVIDIA Nemotron 3.5 Bolt E4B 4GB — 10月23日公開。GoogleのGemma 4 E4Bをベースに4GB VRAM（グラフィックスカード専用のメモリ）へ最適化された軽量モデル。64kコンテキストとマルチターンのツール呼び出しに対応し、ローカルPCやJetson環境で低遅延にエージェントツールを動かす用途に適している。
- Coding Agent Index v2.0 — 10月23日発表。FrontierCode v1.1の導入により、エージェント評価を実務マージ基準へ引き直した。
- OpenAI Decisions API一般提供開始 — 10月23日GA。エージェントパイプラインでの高速な分類やルーティング、個別判断を担う専用エンドポイントが公開された。
ローカル・オープン系を含めた時系列の動きは以下の通りだ。
| 日付 | モデル・製品 | 開発者の利用経路 |
|---|---|---|
| 10/21 | Nemotron 3.5 Super VL, Bolt 74B | NVIDIA NIM、Hugging Faceオープンウェイト |
| 10/23 | Kimi K3.1 Pro, Pro Highspeed | Moonshot API、Kimi Code（オープンウェイト公開予定） |
| 10/23 | Nemotron 3.5 Bolt E4B 4GB | Hugging Face、ローカル実行環境 |
| 10/23 | Coding Agent Index v2.0 | Artificial Analysisリーダーボード |
誤解しやすい点
Coding Agent Index v2.0のスコアがv1.0（60%台後半）より低く見えるのは、モデル性能の後退ではなくFrontierCode v1.1の採用で合格基準が厳格化したためだ。Kimi K3.1 Proはトークン単価（入力2ドル・出力10ドル）こそSonnetと同等だが、解答時の生成トークン数が多いため、タスクコスト（2.11ドル）を踏まえた予算設計が欠かせない。またBolt E4B 4GBはクラウドのフロンティアモデルと競合するものではなく、メモリ制限のある端末でのローカル運用を目的とした小型モデルだ。
今後注視すべき点
- Coding Agent Index v2.0においてKimi K3.1 Proの公式エージェント構成スコアがどう反映されるか
- 約束通りKimi K3.1 Proのオープンウェイトが公開されローカル環境で動作するか
- Gemini 4 Argonの導入価格（入力2ドル・出力10ドル）終了日（11月30日）を控えたエージェントシェアの推移
- 4GB VRAM対応のNemotron Bolt E4Bを活用したオンデバイスエージェントツールの広がり
為替レートは2026年10月24日時点（1ドル≈157円）。金額は「約」で四捨五入した。
出典
- Artificial Analysis Intelligence Index (Artificial Analysis)
- Coding Agent Benchmarks (Artificial Analysis)
- LLM Leaderboard (Artificial Analysis)
- Moonshot AI Kimi K3.1 Pro Announcement (Moonshot AI)
- Nemotron 3.5 Bolt E4B Announcement (NVIDIA)
- OpenAI Decisions API GA (OpenAI)
- Introducing Claude Opus 5.5 (Anthropic)
- Introducing Claude Sonnet 5.5 (Anthropic)
- Introducing GPT-6.1 Sol (OpenAI)