FrontierCode 排行榜
截至 2026年11月16日,FrontierCode 的最高分为 54.6%,由 Claude Opus 5.5(Anthropic)取得,领先于 Claude Fable 5(53.5%)。共有 46 个模型配置公布了结果(Cognition,结果日期 2026年9月22日)。FrontierCode 在带有仓库和工具的智能体测试框架中,给智能体布置高难度的真实编程任务,规模更接近一周的工单而不是一次 bug 修复,并用测试检查结果。由 Cognition 维护。FrontierCode 计入 BenchLeader Index 的编程得分。
要点(截至 2026年11月16日)
- Claude Opus 5.5 以 54.6% 保持 FrontierCode 最高分(Cognition,2026年9月22日)。
- Claude Fable 5 以 53.5% 位列 FrontierCode 第二(Cognition,2026年6月9日)。
- FrontierCode:在智能体框架中运行的高难度真实编程任务(Cognition)(Cognition)。
- BenchLeader 上有 46 个模型配置公布了 FrontierCode 结果(BenchLeader,2026年11月16日)。
- FrontierCode 计入 BenchLeader Index 的编程类别(BenchLeader 方法论)。
在智能体框架中运行的高难度真实编程任务(Cognition)。
- 发布方
- Cognition数据经由 Epoch AI Benchmarking Hub
- 类别
- 编程
- Index 权重
- 0.5
- 模型
- 46
- 数据截至
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
FrontierCode 在带有仓库和工具的智能体测试框架中,给智能体布置高难度的真实编程任务,规模更接近一周的工单而不是一次 bug 修复,并用测试检查结果。由 Cognition 维护。
评分方式
在已公布的测试框架中通过测试的任务百分比。
注意事项
结果与测试框架绑定,维护方自己也在销售智能体产品,发布方对此有公开说明。任务数量不多,几分之差应视为噪声。
- 1Claude Opus 5.5 (medium)54.6%
- 2Claude Fable 553.5%
- 3Claude Opus 5 (max)53.4%
- 4GPT-6 Astra (max)53.3%
- 5Claude Sonnet 5.5 (xhigh)52.1%
- 6Claude Fable 5.1 (medium)50.9%
- 7GPT-6.1 Sol (medium)50.2%
- 8SWE-2 (max)50.0%
- 9GPT-6 Sol (max)49.3%
- 10Grok 4.648.0%
- 11Grok 4.747.6%
- 12Gemini 4 Argon (medium)47.5%
- 13GPT-5.6 Sol47.5%
- 14Claude Opus 4.846.5%
- 15Claude Haiku 5.5 (max)46.4%
46 / 46
| # | ||||
|---|---|---|---|---|
| 1 | 54.6% | 61.2 | 2026-09-22 | |
| 2 | 53.5% | 65.4 | 2026-06-09 | |
| 3 | 53.4% | 65.0 | 2026-07-24 | |
| 4 | 53.3% | 67.3 | 2026-09-03 | |
| 5 | 52.1% | 62.5 | 2026-09-28 | |
| 6 | 50.9% | 61.7 | 2026-09-01 | |
| 7 | 50.2% | 62.7 | 2026-09-29 | |
| 8 | 50.0% | – | 2026-09-10 | |
| 9 | 49.3% | 62.6 | 2026-09-22 | |
| 10 | 48.0% | – | 2026-08-12 | |
| 11 | 47.6% | – | 2026-09-21 | |
| 12 | 47.5% | 61.6 | 2026-10-13 | |
| 13 | 47.5% | 54.3 | 2026-07-09 | |
| 14 | 46.5% | 58.7 | 2026-05-28 | |
| 15 | 46.4% | 55.3 | 2026-10-07 | |
| 16 | 44.2% | 60.7 | 2026-07-16 | |
| 17 | 43.9% | 55.6 | 2026-09-09 | |
| 18 | 43.6% | – | 2026-08-13 | |
| 19 | 43.0% | 61.0 | 2026-04-23 | |
| 20 | 42.7% | 53.0 | 2026-06-30 | |
| 21 | 42.4% | 59.3 | 2026-07-08 | |
| 22 | 42.4% | 55.1 | 2026-09-22 | |
| 23 | 42.0% | – | 2026-07-08 | |
| 24 | 41.3% | – | 2026-07-09 | |
| 25 | 41.2% | 60.2 | 2026-09-02 | |
| 26 | 40.1% | 58.8 | 2026-08-14 | |
| 27 | 39.8% | 47.2 | 2026-07-09 | |
| 28 | 39.4% | 48.3 | 2026-10-06 | |
| 29 | 38.5% | 63.1 | 2026-04-16 | |
| 30 | 34.4% | 49.3 | 2026-07-21 | |
| 31 | 31.8% | 52.4 | 2026-08-20 | |
| 32 | 30.1% | 53.9 | 2026-06-12 | |
| 33 | 28.6% | 56.0 | 2026-08-13 | |
| 34 | 27.0% | – | 2026-03-17 | |
| 35 | 26.6% | 62.1 | 2026-02-05 | |
| 36 | 25.6% | – | 2026-05-18 | |
| 37 | 24.5% | 45.8 | 2026-06-16 | |
| 38 | 24.3% | 57.6 | 2026-02-17 | |
| 39 | 18.8% | 53.8 | 2026-07-31 | |
| 40 | 17.6% | 42.2 | 2026-04-24 | |
| 41 | 14.7% | 56.1 | 2026-06-01 | |
| 42 | 14.0% | 50.4 | 2026-07-15 | |
| 43 | 13.6% | 42.1 | 2026-06-04 | |
| 44 | 10.2% | 57.6 | 2026-06-02 | |
| 45 | 9.4% | – | 2026-04-07 | |
| 46 | 8.0% | 46.6 | 2026-04-28 |
相关基准测试
FrontierCode 上的热门模型对比
引用格式:BenchLeader,《FrontierCode 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/frontiercode。
FrontierCode:常见问题
- FrontierCode 衡量的是什么?
- FrontierCode 在带有仓库和工具的智能体测试框架中,给智能体布置高难度的真实编程任务,规模更接近一周的工单而不是一次 bug 修复,并用测试检查结果。由 Cognition 维护。分数以完成任务的百分比表示,越高越好。
- FrontierCode 的最高分是多少?
- 截至 2026年11月16日,FrontierCode 的最高分为 54.6%,由 Claude Opus 5.5 取得(结果日期 2026年9月22日),领先于 Claude Fable 5(53.5%)。分数来自 Cognition,每天重新读取。
- 哪个 AI 模型在 FrontierCode 上领先?
- 截至 2026年11月16日,FrontierCode 排名第一的是 Claude Opus 5.5,分数为 54.6%(结果日期 2026年9月22日)。其后为 Claude Fable 5(53.5%)。
- 有多少模型有 FrontierCode 结果?
- BenchLeader 上有 46 个模型配置有 FrontierCode 结果,全部取自 Cognition(经由 Epoch AI Benchmarking Hub)。
- FrontierCode 由谁运行,多久更新一次?
- FrontierCode 由 Cognition 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- FrontierCode 是否计入 BenchLeader Index?
- 计入。FrontierCode 计入 BenchLeader Index 的编程类别,并经过归一化,使参评模型的平均值为 50。