FrontierCode 2.0榜单与模型成本对比

1. 23:47
   AGI Hunt

   FrontierCode 2.0 实测显示 Anthropic 模型成本高 10 至 50 倍

   FrontierCode 2.0 实测指出，Anthropic 模型在前沿编程任务中的 token 消耗比对手多 200%-300%，综合成本高出 10 至 50 倍。该基准基于 Cognition 出品，包含 132 个真实开源仓库任务，并以维护者是否愿意合并 AI 产出为评分标准。

2. 23:41
   AGI Hunt

   FrontierCode 2 实测：Anthropic 模型 token 消耗与成本高于对手

   bookwormengr 转述 1337hero 对 FrontierCode 2.0 基准的观察，Anthropic 模型在前沿任务中的 token 消耗高出 200%-300%，耗时约 2 倍，成本高出 10-50 倍。

3. 22:39
   AGI Hunt

   更正：DeepSeek-V4.1-Flash-1017 在 FrontierCode 2.0 得分约 28%，并非最强

   更正信息显示，DeepSeek-V4.1-Flash-1017 在 FrontierCode 2.0 上得分约 28%，表现远落后于前沿模型。此前误判源于 Cognition 传播的不实信息；除 DeepSeek-V4.1-Flash-1017 外，所有模型都通过了 FrontierCode 2.0。

4. 20:54
   AGI Hunt

   FrontierCode 2.0 编码评测：Claude Opus 5.5 居首，隐藏模型 Obsidian 3 引发争议

   Cognition 发布 FrontierCode 2.0 编码评测榜单，Claude Opus 5.5 以 46.4% 居首。该基准包含 132 个真实开源仓库任务，按维护者是否愿意合并评分且任务不公开。

5. 16:45
   AGI Hunt

   Cognition FrontierCode 评测截图疑似泄露神秘模型 Obsidian 3：46.8% 超 Opus 5.5

   Cognition FrontierCode 2.0 评测截图疑似泄露名为 Obsidian 3 的未确认模型，其 high effort 档得分 46.8%，高于 Opus 5.5 的 max 档 45.5%。

6. 15:48
   AGI Hunt

   FrontierCode 2.0 评测数据指向疑似隐藏模型 Obsidian 3

   teortaxesTex 分析 FrontierCode 2.0 评测数据，怀疑其中存在未公开的 Obsidian 3。数据显示，Obsidian 3 在 high 档得分 46.7%、单次 rollout 成本 $8.62，约为 Opus 5.5 同档成本的 3.6 倍；提升至 max 档后成本升至 $47.44，得分反回落至 45.5%。

7. 14:41
   AGI Hunt

   FrontierCode 2 榜单引争议：开源模型比较被指存在选择性偏差

   Artificial Analysis 的 Frontier Code 2 榜单因开源模型比较方式引发社区争议。有帖子声称“GPT-5.5 碾压所有被测中国模型”，但 bookwormengr 反驳称榜单未包含 Kimi 3.1，并指出相关开源模型表现并不如描述般落后；DeepSeek 粉丝 teortaxesTex 则指责对方选择性比较。

8. 13:02
   AGI Hunt

   GPT-6.1 Terra 位居 Frontier Code 2.0 榜首，输入价格为每百万 token 1 美元

   GPT-6.1 Terra 位居 Frontier Code 2.0 编码基准榜首，输入价格为每百万 token 1 美元。定价还包括输出 5 美元、缓存输入 0.05 美元，以及 30 分钟和 12 小时缓存写入 1.25 美元和 2.50 美元；引用数据称，Qwen V4.1-1017、Kimi K3.1 Pro 较上版分别提升 8.9% 和 7.3%。

9. 10:11
   AGI Hunt

   FrontierCode 2.0 评测结果：Claude Opus 5.5 得 46%，DeepSeek V4.1 Flash 落后 18 分

   Artificial Analysis 公布 Cognition 新发布的私有编码基准 FrontierCode 2.0 细分榜，Claude Opus 5.5（max）以 46% 居首，GPT-6 Astra、GPT-6.1 Terra 与 Claude Sonnet 5.5（max）均为 42%。

10. 02:00
    AGI Hunt

    FrontierCode 2 榜单：OpenAI 与 Anthropic 几乎包揽前 20，中国模型垫底

    Cognition 发布 FrontierCode 2 榜单，OpenAI 与 Anthropic 几乎包揽 top 20。GPT-6.1 Sol 以 $1.03/任务 得 39% 领跑性价比侧；Opus 5.5 max 得分 45.5%。DeepSeek V4.1 Flash 排第 52，Kimi K3 与 GLM 5.3 均得 17%。

11. 01:47
    AGI Hunt

    Cognition 发布 FrontierCode 2.0：用模糊需求考验 AI 的工程判断力

    Cognition 与 DevinAI 成员及研究团队合作推出编码基准 FrontierCode 2.0。该基准以“这个 PR 你真的会合并吗”为核心，通过保留模糊需求的欠明确提示，考察模型在任务多样、范围更大及可合并性标准更高的情况下，能否自主判断代码是否值得合并。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。