Cognition发布FrontierCode 2.0编码基准，Claude Opus 5.5以46%通过率领先

10月28日，AI编程工具公司Cognition发布了其私有编码基准测试FrontierCode 2.0。该基准包含132个来自真实开源仓库的任务，以仓库维护者是否会合并智能体提交的改动作为评分标准，任何未通过关键检查的尝试记0分。为避免数据污染，测试任务保持非公开。

据Artificial Analysis披露的评测结果，Claude Opus 5.5（max）以46%的成绩位居榜首，GPT-6 Astra（max）、GPT-6.1 Terra（max）和Claude Sonnet 5.5（max）均为42%。在开源权重模型中，DeepSeek V4.1 Flash 1017（max）得分最高，达到28%，与领先模型相差18个百分点。

每项任务均在Cognition的智能体运行环境Stirrup中执行三次。FrontierCode 2.0是其上一代编码基准的更新版本，旨在衡量AI智能体在真实软件开发场景中的代码修改能力。