@SanthProject: 现在这个基准测试我支持，而不是那个被操纵得很离谱的DeepSwe基准测试

X AI KOLs Following 2026/06/08 19:42 工具

coding-eval benchmark frontiercode deepswe coding evaluation open-source

摘要

SanthProject赞扬了Cognition的新FrontierCode代码评估基准，称其为DeepSwe基准的公平替代方案。

现在这个基准测试我支持，而不是那个被操纵得很离谱的DeepSwe基准测试

查看原文

查看缓存全文

缓存时间: 2026/06/08 23:29

这才是我能支持的测试基准，而不是那个被严重操纵的DeepSeek基准测试。

Cognition (@cognition)： 推出 FrontierCode：一项提高难度与质量的编码评估。每项任务都由领先的开源维护者耗时 40 小时以上完成。

模型编写的代码虽然能运行，但难以维护。我们的评估首次衡量：你真的会合并这段代码吗？

相似文章

X AI KOLs Timeline

Proximal 发布了 FrontierSWE v2，这是一个更新的超长期编码基准测试，具有扩展的任务和改进的方法，突出了 Claude Fable 5.1 领先的巨大性能差距。

X AI KOLs Following

Cognition 宣布推出 FrontierCode，这是一个新的代码评估基准，超越了单元测试，衡量代码质量、范围、测试正确性和人类审查者认可度，解决了代理编写通过测试但不可维护的草率代码的问题。

X AI KOLs Following

宣布推出 DeepSWE，这是一个新的代理式编码基准测试，揭示了模型之间的真实差异，反映了现实世界开发者的体验。

X AI KOLs Following

DeepSWE v1.1在内部Code Bench上提升了50%，并在Terminal-Bench 3.0和Agents' Last Exam上取得了新的SOTA成绩，同时新兴的网络能力发展超出预期。

X AI KOLs Following

Cognition 发布了 FrontierCode 1.1，这是一个用于评估代码质量的更新基准，改进了公平互联网使用和评分标准的指南，同时提供了 Sonnet 5 和 Fable 5 的新模型评分。