FrontierCode 1.1 完整榜单上线,Opus 5.5 以 52.2% 居首
ArtificialAnlys · x · 2026-10-13
Artificial Analysis 放出 FrontierCode 1.1 排行榜完整页面,并链接 Cognition 的基准介绍与方法论文档。榜单显示 Claude Opus 5.5(max, 默认 fallback)以 52.2% 居首,GPT-6.1 Sol(max)49.1% 与 Claude Fable 5.1(max)49.0% 紧随。该基准由开源维护者参与构建,用六类检查(经典测试、命令检查、反向经典测试、自适应测试、范围检查、LLM prompt 审查)判定改动是否达到可合并标准,任一 blocking 检查失败或轨迹扫描发现查答案即记 0 分。
所属事件:FrontierCode 1.1 榜单上线,Opus 5.5 居首仍四成任务失败(4 条相关)→
「编程与Agent」频道最新
- LangChain 的 deepagents 破 3 万 GitHub 星标 — LangChain · 2026-10-13
- AI 给《光环》反编译版即时加上跨屏本地多人,游戏成编码风向标 — _sholtodouglas · 2026-10-13
- diginomica:上下文与 harness 让 agent 更聪明,但仍需人类把关 — jonerp · 2026-10-13
- UCSD 提出心智模型智能体框架，为多智能体系统补上“读心”能力 — UCSanDiego · 2026-10-13
- 开发者反驳「slop 一边倒论」:AI 让观察、调试、重构也变强了 — jonmarkgo · 2026-10-13
- LocalLM Lab SDK 支持 MCP Apps 扩展，聊天中内嵌渲染 Todoist 界面 — AdventurousKeys · 2026-10-13