Cognition发布FrontierCode 2.0，Claude Opus 5.5以45.5%登顶
该基准含132项来自真实开源项目的任务，核心功能实现失败率为14.9%，而彻底性题项失败率达19.2%。
Cognition于上月27日通过官方博客公布了新版编程基准测试FrontierCode 2.0的结果，Anthropic的Claude Opus 5.5以45.5%的成绩位居官方排行榜首位。据aitimes.com报道，该基准共包含132项任务，均取自真实开源项目，涵盖安全漏洞修复与性能优化等类型。
排行榜上，OpenAI的GPT-6 Astra以42.8%排名第二，Claude Sonnet 5.5以41.0%位列第三，Gemini 4 Carbon为40.0%，GPT-6.1 Sol为39.0%。
彻底性题项的失败率高于功能实现
结果显示，模型在“彻底性”关键题项上的失败率为19.2%，高于核心功能实现题项的14.9%。即使在最高推理等级下，彻底性题项的失败率仍为15.3%。
个别任务的表现差异明显。在Mock Service Worker漏洞修复任务中，Claude Opus 5.5在5种推理设置下各尝试5次，共25次全部失败。在PostHog任务中，GPT-6 Astra在低推理等级下5次全部成功，但在最高推理等级下仅成功1次，原因是其删除了一个公开程序接口，破坏了兼容性。
在上一版本FrontierCode 1.1中，Claude Opus 5.5得分为54.6%，GPT-6 Astra为53.3%。
快速问答
FrontierCode 2.0是什么？
这是Cognition推出的编程基准测试，包含132项取自真实开源项目的任务，涵盖安全漏洞修复和性能优化。
FrontierCode 2.0排行榜第一名是谁？
Anthropic的Claude Opus 5.5以45.5%位居第一，GPT-6 Astra以42.8%排名第二。