**FrontierCode：首个衡量代码质量与合并可行性的基准测试**

_FrontierCode_

> Cognition 推出 FrontierCode 基准，评估模型代码的可合并性（正确性、测试质量、风格等），由开源维护者设计。顶级模型表现不佳：Claude Opus 4.8 在 Diamond 子集得分仅 13.4%，GPT-5.5 6.3%，开源模型 Kimi K2.6 仅 3.8%。该基准误判率比 SWE-Bench Pro 低 81%。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-06-09 04:45（北京时间）
- **原文**：[打开原文](https://cognition.ai/blog/frontier-code)