FrontierCode：从正确性到质量，提升AI代码生成标准

Cognition AI发布FrontierCode基准测试，旨在衡量AI模型生成高质量、可合并代码的能力。该基准由20多位开源维护者耗时40小时以上每任务构建，采用创新评分方法，包括反向经典测试、代码范围检查和自适应经典评分。结果显示，即使是顶尖模型如Claude Opus 4.8，在最高难度Diamond子集上得分仅为13.4%，凸显了代码质量方面的巨大挑战。