【AINews】FrontierCode：针对代码质量的基准测试，而非敷衍了事

Cognition推出FrontierCode基准测试，专注于评估代码的可合并性而非仅通过单元测试。最佳模型在 hardest 子集上仅得13%，表明编码远未解决。同时，代理控制转向“循环”模式，并伴有诸多警告。其他动态包括Kimi的代理和桌面产品更新、Google的本地部署优化、Agent Arena基于百万会话的排行榜、以及Apple的WWDC AI集成。