标签
一篇文章对比了两个智能体软件工程基准 —— Frontier Code v1.1 和 Terminal Bench v4，并探讨了为何 Kimi K3 在其中一个基准上表现出色，却在另一个基准上表现不佳。
Cognition 总裁 Russell Kaplan 在播客中回顾了编码智能体 Devon 的发展，介绍新评估 Frontier Code 衡量“可合并性”，并讨论模型选择、成本与速度取代能力成为关键关注点。
Cognition 总裁 Russell Kaplan 在访谈中回顾编码代理 Devon 的发展，讨论模型智能饱和、成本优化，并介绍新评估 Frontier Code 如何衡量代码可合并性。
Claude Opus 5 现已在 Devin 中可用，在 FrontierCode 1.1 上提供接近 Fable 级别的性能，而成本减半。
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。
Claude Sonnet 5，一款具有前沿编码性能且价格更实惠的新型 AI 模型，现已可在 Devin Desktop 和 Devin CLI 中使用，其在 FrontierCode Extended 上的表现优于 Opus 4.8。