Artificial Analysis发布FrontierCode 1.1评测榜单
热点事件持续更新
Artificial Analysis发布FrontierCode 1.1评测榜单
2 篇报道2 个报道来源1 小时前更新
先了解这件事
AI 综述
Artificial Analysis 上线了 Cognition 的 FrontierCode 1.1 编程评测榜单，并独立运行该评测：在其开源 agent harness Stirrup 中测试 100 个真实开源仓库任务，每个任务尝试三次、每次上限 250 轮，任务不公开以避免污染。结果显示 Claude Opus 5.5 以 52% 得分居首，但领先模型的失败率仍超过 40%。 据 Artificial Analysis 称，FrontierCode 1.1 是 Cognition 于 2026 年 6 月发布、7 月更新至 1.1 的私有评测，要求智能体完成编码任务并达到真实仓库维护者可合并的标准。
AI 根据报道生成 · 51 分钟前更新
最新进展10月13日 01:51
Artificial Analysis 推出 Cognition FrontierCode 1.1 编码评测榜单报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- Artificial AnalysisArtificial Analysis 推出 Cognition FrontierCode 1.1 编码评测榜单
Artificial Analysis 上线 FrontierCode 1.1 榜单，这是 Cognition 于 2026 年 6 月发布、7 月更新至 1.1 的私有编码评测，要求智能体在真实开源仓库上完成任务并通过维护者合并标准。
10月12日
- Artificial Analysis 完整文章Artificial Analysis 发布 FrontierCode 1.1 编程评测：Claude Opus 5.5 以 52% 得分居首，领先模型失败率仍超 40%
Artificial Analysis 独立运行 Cognition 的 FrontierCode 1.1 Main 编程评测，用统一的 Stirrup agent harness 测试 100 个真实开源仓库任务。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。