Artificial Analysis上线FrontierCode编码基准

Artificial Analysis 上线了由 Cognition 构建的编码基准 FrontierCode 1.1，通过维护者是否愿意合并智能体提交的改动来评分。该基准目前已作为独立排行榜发布，未纳入 Artificial Analysis Intelligence Index，但计划加入其 Coding Agents 排行榜。为防污染，任务不公开。 结果显示领先模型仍有超 40% 失败率：Claude Opus 5.5（max with fallback）以平均分 52%、通过率 58% 居首。评分规则为：任一项阻塞性检查不通过即得 0 分，全部通过则得分在 70% 至 100% 之间。评测还考核过度修改、越界改动文件等行为。

AI 根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。