Cognition 榜单：Gemini 4 Carbon 得 40% 接近 SOTA，谷歌编程模型回血
scaling01 · x · 2026-10-30
Cognition 发布 FrontierCode 2.0 编程基准评测，scaling01 据此评论「Google might actually be back」。要点：
- Gemini 4 Carbon：得分 40%，接近 SOTA，每任务成本 $4.04，落后于 Claude Opus 5.5、GPT-6 Astra 和 Claude Sonnet 5.5
- Gemini 4 Argon：得分 26.3%，每任务成本 $6.41，领先 Muse Wonder 1.0，但落后于 Claude Haiku 5.5 和 Grok 4.7
FrontierCode 衡量的是「可合并性」：维护者是否真的会接受这个 PR。任务由 20 多位世界级开源维护者手工打造，每任务耗时超 40 小时，用单元测试、rubric 和验证器组合评分；禁止查阅含答案的原始 PR（违者记零分）。2.0 版扩展到 132 个任务，新增安全补丁与性能优化类目，并提高对彻底性的合并标准。
「编程与Agent」频道最新
- 「物联网的智能体」:一句话定义设备 Agent 的有趣类比 — sull · 2026-10-30
- Hermes 推出 inbox 插件：一条命令看清 Agent 全部后台任务状态 — Teknium · 2026-10-30
- Databricks 副总裁:Claude Code 只是开始,AI 软件工厂需新基建 — FinanceYF5 · 2026-10-30
- AgentWeb 让 AI 智能体免开浏览器办事：47 项实站任务全胜，中位 1.9 秒仅花 3 美元 — rohanpaul_ai · 2026-10-30
- 定理证明器与规约语言怎么选:Hillel 一文分清 Lean 与 TLA+ — burny_tech · 2026-10-30
- 用 Claude 写规格先行的自托管音乐应用,6 个月替换整套 arr 媒体栈 — CoderLuii · 2026-10-30