FrontierCS 2 基准发布,Claude Opus 5.5 以 58.3% 居首

FrontierCS 2 于 11 月 16 日发布,这是一个评测 AI 在计算机科学研发(CS R&D)能力的新基准,共包含 48 个任务,每题限时 5 小时,以「pass@1」作为统一评分指标。该基准被社区评价为「展示 benchmark 成绩的绝佳方式」。在首批评测中,Claude Opus 5.5 以 58.3% 的成绩排名第一。

2026-11-16 ~ 2026-11-17 · 2 条相关