FrontierCode 2.0 榜单:Opus 5.5 得 46%,DeepSeek 领跑开源落后 18 分
ArtificialAnlys · x · 2026-10-28
Artificial Analysis 公布 Cognition 新发布的私有编码基准 FrontierCode 2.0 细分榜:132 个真实开源仓库任务,以「维护者是否会合并该改动」评分,任何阻断性检查失败即 0 分,任务保密以防污染,每个任务在其 agentic 框架 Stirrup 中跑三次。
Claude Opus 5.5 (max) 以 46% 居首,GPT-6 Astra (max)、GPT-6.1 Terra (max) 与 Claude Sonnet 5.5 (max) 均 42%。开源权重最高的 DeepSeek V4.1 Flash 1017 (max) 得 28%,落后头部 18 分。
所属事件:AA 新评测：无模型通吃，Opus 5.5 拿 3 项第一(15 条相关)→
「编程与Agent」频道最新
- 神操作:用加拿大原住民字符伪造 Go 泛型,骗过所有读者 — rickasaurus · 2026-10-28
- 微软 Agensh 看板细节:「测试通过」只是一条消息 — shoumikgoswami · 2026-10-28
- Ollama 联手 FriendliAI 11月5日首尔办 Meetup，聚焦开源模型生产级 Agent — ollama · 2026-10-28
- theo 放话：产品逼我去用 Dashboard，我就让 Claude 重建一个 — sull · 2026-10-28
- Magic Patterns 首位工程师自述：Cursor 接 Slack、周末上线全新文件类型 — Y Combinator Blog · 2026-10-28
- 妻子求职10个月无果，程序员丈夫自建AI求职应用并开源 — CurieuxExplorer · 2026-10-28