先了解这件事
AI 综述
2026年6月9日,Cognition 发布 FrontierCode 基准,用于衡量模型能否写出符合生产代码库标准的高质量代码,以可合并性作为评价维度。该基准的任务由20多位开源维护者基于36个旗舰仓库构建,每个任务投入超过40小时,并分为 Extended、Main、Diamond 三个难度子集。在 Diamond 子集上,表现最好的 Claude Opus 4.8 得分仅13.4%,GPT-5.5 为6.3%,Gemini 3.1 Pro 为4.7%,开源模型中最好的 Kimi K2.6 仅3.8%。Cognition 称其误分类错误比 SWE-Bench Pro 低81%,目前不计划公开任务以避免污染,但向所有模型方开放评测。
AI 根据公开报道生成
最新进展 · 正式报道
Cognition 发布 FrontierCode 基准，衡量模型代码可合并性事件进展
1 个已确认进展
- 来源：Cognition 模型 / Devin 博客
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
6月9日
Cognition 模型 / Devin 博客一手
Cognition 发布 FrontierCode 基准，衡量模型代码可合并性
Cognition 发布 FrontierCode 基准，用可合并性衡量模型能否写出符合生产代码库标准的高质量代码，任务由 20 多位开源维护者基于 36 个旗舰仓库构建，每个任务投入超过 40 小时。基准分 Extended、Main、Diamond 三个难度子集，Diamond 上表现最好的 Claude Opus 4.8 得分仅 13.4%，GPT-5.5 为 6.3%，Gemini 3.1 Pro 为 4.7%，开源模型中最好的 Kimi K2.6 仅 3.8%。Cognition 称其误分类错误比 SWE-Bench Pro 低 81%，目前不计划公开任务以避免污染，但向所有模型方开放评测。