Artificial Analysis 榜单以 FrontierCode v1.1 替代 DeepSWE v1.1

AI 导读

Artificial Analysis 的 Index 榜单以 Cognition 的 FrontierCode v1.1 替代 DeepSWE v1.1。该基准包含来自真实开源仓库的 100 个软件工程任务，并采用私有测试集，以维护者是否会合并改动作为评分标准。

正文 · AI 翻译

FrontierCode v1.1 在指数中取代了 DeepSWE v1.1。Cognition 的基准测试包含 100 个基于真实开源代码仓库的软件工程任务，并设有私有测试集；评分标准是维护者是否会合并该改动。

Claude Code 搭配 Claude Opus 5.5（max）得分 56.0%，领先于搭配 DeepSeek V4.1 Flash（max）的 Codex（52.6%）、搭配 GPT-6.1 Sol（max）的 Codex（49.4%）以及搭配 GPT-6 Astra（max）的 Codex（49.3%）。排名靠后的各配置得分十分接近：指数中的 24 种配置有 15 种得分介于 43% 至 49% 之间。