Cognition FrontierCode 2.0：Opus 5.5 约 45.5% 登顶，更严「维护者愿合入」尺子
Cognition 10 月 27 日发布 FrontierCode 2.0：132 道真实私有开源仓任务，按维护者是否愿 merge 打分。官方最佳努力口径：Claude Opus 5.5 约 45.5%（1.1 版约 54.6%）、GPT-6 Astra 约 42.8%；Grok 4.7 / Gemini 4 Argon / Muse Wonder / DeepSeek / Kimi 明显更低。仓更广、彻底性 blocker 更严、diff 更大。
Cognition 官方博客（2026-10-27）宣布 FrontierCode 2.0：面向智能体编码的基准，任务来自真实开源仓、保持私有以防污染；评分核心不是「绿测试」，而是维护者是否愿意把改动合入——覆盖正确性、彻底性、测试、范围、风格与仓规；触发阻断项则该题记零。相对 1.1，2.0 扩到更广仓库、加大 diff，并收紧彻底性等 blocker，使分数整体下压。
厂商/官方报告的最佳努力分（约）：Claude Opus 5.5 45.5%（同系列在 1.1 约 54.6%）、GPT-6 Astra 42.8%、Grok 4.7 28.6%、Gemini 4 Argon 26.3%、Muse Wonder 1.0 24.3%、DeepSeek V4.1 Flash 19.3%、Kimi K3 17.7%。榜单强调真实工程歧义与副作用，开发者反馈更贴近日常「写得出、合不进」。Artificial Analysis 等亦跟进把 FrontierCode 2.0 纳入评测叙事。
解读宜当「换尺子后的新基线」而非模型变弱：1.1→2.0 难度抬升会让绝对分下滑；闭源旗舰仍领跑，开源/API 档差距拉大。完整任务集与方法以 Cognition 博客与公开榜为准。
