Codex vs. Muse Code

Name: Coding Agent Index
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Comparación entre Codex y Muse Code en el Artificial Analysis Coding Agent Index, incluidos resultados de benchmarks, costo, tiempo de ejecución y uso de tokens.

Para más detalles sobre nuestra metodología, consulta nuestra página de metodología.

Explora otras comparaciones

Coding Agent Index

Artificial Analysis Coding Agent Index v2.0 · Higher is better

Tiempo por tarea

Average agent wall time per task · Lower is better

Costo por tarea

Average API cost per task (USD) · Lower is better

Comparación

Comparación lado a lado de Codex y Muse Code.

Comparación de agentes de programación

Métrica	Codex GPT-6 Astra (Max)	Muse Code Muse Wonder Full (Max)	Análisis
Harness del agente	Codex	Muse Code
Modelo representativo	GPT-6 Astra (Max)	Muse Wonder Full (Max)
Coding Agent Index	55	59	Muse Code tiene un Coding Agent Index más alto que Codex
FrontierCode v1.1	49%	49%	Codex tiene una puntuación más alta en FrontierCode v1.1 que Muse Code
Terminal-Bench 4.0	56%	59%	Muse Code tiene una puntuación más alta en Terminal-Bench 4.0 que Codex
SWE-Atlas-QnA-AA	59%	69%	Muse Code tiene una puntuación más alta en SWE-Atlas-QnA-AA que Codex
Costo por tarea	7,04 US$	0,00 US$	Comparación no disponible
Tiempo por tarea	24,8min	34,9min	Codex tiene un tiempo por tarea más bajo que Muse Code
Turnos por tarea	39,4	194,9	Codex tiene menos turnos por tarea que Muse Code
Uso de tokens por tarea	3,2 M	14,5 M	Codex tiene un uso de tokens por tarea más bajo que Muse Code
Tasa de aciertos de caché	93 %	96 %	Muse Code tiene una tasa de aciertos de caché más alta que Codex

Variantes de modelo

Variantes de modelo evaluadas para Codex y Muse Code.

Variantes de modelo


Codex	GPT-6 Astra (Max)	max	55	49%	56%	59%	7,04 US$	24,8min	3,2 M
Codex	GPT-6.1 Sol (Max)	max	54	49%	53%	60%	1,50 US$	23,7min	3,9 M
Codex	GPT-6.1 Terra (Xhigh)	xhigh	48	45%	46%	54%	0,69 US$	16,4min	6,9 M
Codex	GPT-6.1 Terra (Max)	max	48	42%	48%	54%	1,24 US$	26,1min	12,3 M
Codex	DeepSeek V4.1 Flash (Max)	max	47	53%	28%	61%	0,39 US$	38,1min	27,2 M
Codex	GPT-6.1 Terra (High)	high	46	43%	42%	53%	0,54 US$	12,7min	5,6 M
Codex	GPT-6.1 Terra (Medium)	medium	42	44%	35%	47%	0,39 US$	10,2min	4,1 M
Codex	GPT-6.1 Terra (Non-reasoning)	non-reasoning	39	46%	25%	46%	0,45 US$	9,5min	5,8 M
Codex	GPT-6.1 Terra (Low)	low	35	41%	25%	39%	0,20 US$	6,3min	1,9 M
Codex	GPT-6 Luna (Max)	max	31	40%	16%	38%	0,16 US$	21,3min	8,9 M
Muse Code	Muse Wonder Full (Max)	max	59	49%	59%	69%	0,00 US$	34,9min	14,5 M
Muse Code	Muse Wonder (Max)	max	52	46%	48%	62%	8,05 US$	24,5min	14,5 M
Muse Code	Muse Spark 1.3 (Max)	max	46	47%	32%	59%	3,91 US$	23,3min	17,8 M
Muse Code	Muse Spark Open (Xhigh)	xhigh	26	23%	6%	51%	3,54 US$	26,0min	13,3 M

Rendimiento

Rendimiento en el Artificial Analysis Coding Agent Index.

Artificial Analysis Coding Agent Index

Artificial Analysis Coding Agent Index v2.0 incorporates 3 benchmarks: FrontierCode v1.1, Terminal-Bench 4.0, and SWE-Atlas-QnA-AA · Higher is better

Colorear por

The Artificial Analysis Coding Agent Index is a composite score built from FrontierCode v1.1, Terminal-Bench 4.0 y SWE-Atlas-QnA-AA.

It is useful for quick comparison, but it should be read alongside the per-eval breakdowns. Two agents with similar index values can still have different strengths across repository tasks, terminal workflows, and rubric-based evaluations.

Artificial Analysis Coding Agent Index vs. costo por tarea

Artificial Analysis Coding Agent Index vs. promedio del costo de la API de pago por token por tarea (USD)

Colorear por

Most attractive quadrant

Each point represents a coding-agent variant. Farther left means lower average cost per task, while higher on the chart means higher benchmark performance. The most efficient agents sit toward the upper-left: stronger results at lower cost.

Uso de tokens

Consumo de tokens en el Artificial Analysis Coding Agent Index.

Uso de tokens por tarea

Promedio de tokens de entrada, caché y salida por tarea

Las tasas de aciertos de la caché de prompts pueden variar mucho según el enrutamiento del proveedor, lo que puede cambiar sustancialmente el costo efectivo.

Non-cached input tokens sent to the model, including prompts, instructions, tool context, and task context that were not served from prompt cache.

Artificial Analysis Coding Agent Index vs. tokens totales

Artificial Analysis Coding Agent Index vs. promedio de tokens totales por tarea

Colorear por

Most attractive quadrant

Each point represents a coding-agent variant. Farther left means lower average total token usage per task, while higher on the chart means higher benchmark performance. Agents toward the upper-left achieve stronger results with fewer tokens.

Costo

Costo de la API de pago por token en el Artificial Analysis Coding Agent Index, según los precios actuales por token.

Costo por tarea

Average pay-per-token API cost per task (USD) · Lower is better

Colorear por

This chart shows the average pay-per-token API cost per task across the Artificial Analysis Coding Agent Index, spanning FrontierCode v1.1, Terminal-Bench 4.0 y SWE-Atlas-QnA-AA.

Where applicable, that cost model includes standard input pricing, discounted cached-input pricing, separate cache-write charges, and output pricing rather than treating all prompt tokens as if they were billed at the same uncached input rate.

It is intended to show pay-per-token API cost, not consumer plan pricing or the full operational cost of deploying the system in production. Infrastructure, engineering, and supervision costs are not the focus of this metric.

Tiempo de ejecución

Tiempo de ejecución activo del agente en el Artificial Analysis Coding Agent Index.

Tiempo por tarea

Average agent wall time per task · Lower is better

Colorear por

This chart uses agent wall time: how long the agent process was actively running on each task.

It does not include environment startup, verifier or judge time, or other harness overhead, so it is a cleaner comparison of how long the agent itself was working.

Artificial Analysis Coding Agent Index vs. tiempo de ejecución

Artificial Analysis Coding Agent Index vs. promedio del tiempo de ejecución del agente por tarea

Colorear por

Most attractive quadrant

Each point represents a coding-agent variant. Farther left means shorter average agent runtime per task, while higher on the chart means higher benchmark performance. Agents toward the upper-left deliver stronger results in less active agent time.

Codex vs. Muse Code

Coding Agent Index

Tiempo por tarea

Costo por tarea

Comparación

Comparación de agentes de programación

Variantes de modelo

Variantes de modelo

Rendimiento

Artificial Analysis Coding Agent Index

What This Metric Means

Artificial Analysis Coding Agent Index vs. costo por tarea

How to Read This Chart

Uso de tokens

Uso de tokens por tarea

Input Tokens

Artificial Analysis Coding Agent Index vs. tokens totales

How to Read This Chart

Costo

Costo por tarea

What Cost Is Measuring

Tiempo de ejecución

Tiempo por tarea

What Execution Time Is Measuring

Artificial Analysis Coding Agent Index vs. tiempo de ejecución

How to Read This Chart