Claude Opus 5.5 يتصدر نتائج اختبار FrontierCode 2.0 بنسبة 45.5%
نتائج Cognition الجديدة أظهرت تفوق Claude Opus 5.5 على GPT-6 Astra، بينما كشف الاختبار عن فشل كامل في مهمة إصلاح خطأ برمجي.
نشرت شركة Cognition نتائج اختبارها الجديد لتقييم أداء نماذج الذكاء الاصطناعي في البرمجة، تحت اسم FrontierCode 2.0، حيث تصدّر نموذج Claude Opus 5.5 من Anthropic قائمة الترتيب الرسمية بنسبة 45.5%. ووفقاً لما أوردته aitimes.com، فإن الاختبار يضم 132 مهمة مستمدة من مشاريع مفتوحة المصدر حقيقية، تشمل إصلاح الثغرات الأمنية وتحسين الأداء.
وجاء في المرتبة الثانية نموذج GPT-6 Astra من OpenAI بنسبة 42.8%، تلاه Claude Sonnet 5.5 بنسبة 41.0%، ثم Gemini 4 Carbon من Google بنسبة 40.0%، وأخيراً GPT-6.1 Sol بنسبة 39.0%.
وكشفت النتائج عن جانب آخر من الأداء، إذ بلغت نسبة الفشل في بنود الدقة الأساسية 19.2%، وهي أعلى من نسبة الفشل في تنفيذ الميزات الجوهرية التي بلغت 14.9%. وحتى عند أعلى مستوى من التفكير، ظلت نسبة الفشل في بنود الدقة عند 15.3%.
فشل كامل في مهمة إصلاح خطأ برمجي
وفي تفصيل لافت، فشل Claude Opus 5.5 في جميع المحاولات الخمس والعشرين (خمس إعدادات تفكير، خمس مرات لكل منها) في مهمة إصلاح الخطأ البرمجي الخاصة بمكتبة Mock Service Worker.
أما GPT-6 Astra فقد نجح في 5 من أصل 5 محاولات في مهمة PostHog عند مستوى التفكير المنخفض، لكنه نجح في محاولة واحدة فقط من أصل 5 عند أعلى مستوى تفكير، لأنه أزال واجهة برمجية عامة وأحدث خللاً في التوافق.
أسئلة سريعة
ما هو اختبار FrontierCode 2.0؟
اختبار لتقييم أداء نماذج الذكاء الاصطناعي في البرمجة، أطلقته Cognition ويضم 132 مهمة من مشاريع مفتوحة المصدر حقيقية.
من تصدّر قائمة FrontierCode 2.0؟
تصدّر Claude Opus 5.5 القائمة بنسبة 45.5%، يليه GPT-6 Astra بنسبة 42.8%.