Cognition 发布 FrontierCode 2.0 编程基准，顶级模型 Opus 5.5 仅得 45%
2026.10.28 · 事件 · 行业动态 · 官方发布
新基准用更严的合并标准测模型写生产级代码的能力，头部模型得分不到一半。
Cognition 推出新一代编程基准 FrontierCode 2.0，任务来自更多仓库，覆盖安全补丁与性能优化等类别。相比 1.1，参考解平均多改 67% 的文件、89% 的代码行，代码库大 25%。最高分模型 Opus 5.5 仅 45%，基准远未饱和。
- FrontierCode 2.0 扩大任务覆盖范围，新增安全补丁、性能优化等类别，更贴近真实编码工作分布。
- 评分标准更严：对正确性和设计提出更多要求，并额外强调代码的彻底性。
- 相比 FrontierCode 1.1，参考解平均多修改 67% 的文件和 89% 的代码行，代码库规模大 25%。
- 榜单上 Opus 5.5 以 45.5% 居首，GPT-6 Astra 42.8%，Grok 4.7 为 28.6%，开源模型仍有明显差距。
- Cognition 称现有编码基准很快饱和，难以衡量模型推断用户意图、遵守未言明约束的能力。
为什么值得看
看清编码 Agent 与生产级代码标准之间的真实差距
适合谁关注
关注 AI 编程、模型评测与 Agent 能力的开发者