主要来源Cognition
查看原文事件专题 ·多源确认
Cognition 发布 FrontierCode 1.1 编程基准，Claude Opus 5.5 以 52% 居首
Cognition 与开源维护者合作构建的 FrontierCode 1.1 基准已上线 Artificial Analysis 排行榜，测试模型提交的代码改动能否被真实仓库维护者合并。每个任务由维护者投入超过 40 小时构建，共 150 个私有任务，评测使用 100 个任务的主集合。Claude Opus 5.5（max with fallback）以 52% 排名第一，Claude Fable 5.1、GPT-6.1 Sol 等 9 个模型成绩集中在 43%-52%。GPT-6.1 Sol 每任务成本 0.81 美元，得分 49%，约为头部 Anthropic 模型成本的十分之一以下。开源权重模型中 MiMo-V2.6-Pro 以 45% 领先，DeepSeek V4.1 Flash 和 Kimi K3 均为 44%。
当前结论
Cognition 的新基准看代码能不能被维护者真合并，最强模型也只有 52%，GPT-6.1 Sol 花十分之一的钱就追平 Claude，榜单数据很硬核。
11 个信源54° AI 热度最后更新 2026/10/12 19:32:59
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。