FrontierCS 2 基准发布：Claude Opus 5.5 以 58.3% 居首
eliebakouch · x · 2026-11-16
FrontierCS 2 发布，这是一个评测 AI 在计算机科学研发能力的基准，共 48 个任务、每题 5 小时，以「pass@1」作为统一评分指标。
- Claude Opus 5.5：58.3%（28/48），排名第一
- Gemini 4 Carbon：54.2%（26/48），排名第二
该基准瞄准的是比常规编码更难的 CS 研究级问题，可作为追踪前沿模型科研能力的新标尺。
「模型」频道最新
- 谷歌主动征集 Gemini 4 Argon/Carbon/Hydrogen 使用反馈，Argon 曝光 — deliprao · 2026-11-16
- 投资人 James Douma：Grok 是目前理解世界动态的最佳工具 — jamesdouma · 2026-11-16
- 网友猜测 Fable 5.2 是在藏拙，真正更强的版本或已就绪 — casper_hansen_ · 2026-11-16
- 网友盛赞 Gemini 4 Carbon 是当下最强 AI 科学家 — arjunrajlab · 2026-11-16
- Google AI Mode 答案自相矛盾，SEO 从业者实测：GEO 就是 SEO — gaganghotra_ · 2026-11-16
- 神秘模型 Qoduck 揭晓：实为 Qwen4-Max-Preview，已上线阿里 Qoder — Div_pradeep · 2026-11-16