BenchLeader

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。

46 / 46
#
1Claude Opus 5.5medium54.6%61.22026-09-22
2Claude Fable 553.5%65.42026-06-09
3Claude Opus 5max53.4%65.02026-07-24
4GPT-6 Astramax53.3%67.32026-09-03
5Claude Sonnet 5.5xhigh52.1%62.52026-09-28
6Claude Fable 5.1medium50.9%61.72026-09-01
7GPT-6.1 Solmedium50.2%62.72026-09-29
8SWE-2max50.0%–2026-09-10
9GPT-6 Solmax49.3%62.62026-09-22
10Grok 4.648.0%–2026-08-12
11Grok 4.747.6%–2026-09-21
12Gemini 4 Argonmedium47.5%61.62026-10-13
13GPT-5.6 Sol47.5%54.32026-07-09
14Claude Opus 4.846.5%58.72026-05-28
15Claude Haiku 5.5max46.4%55.32026-10-07
16Kimi K344.2%60.72026-07-16
17DeepSeek V4.1 Flashhigh43.9%55.62026-09-09
18Gemini 3.7 Flash43.6%–2026-08-13
19GPT-5.543.0%61.02026-04-23
20Claude Sonnet 542.7%53.02026-06-30
21Grok 4.542.4%59.32026-07-08
22GPT-6 Lunamax42.4%55.12026-09-22
23SWE-1.742.0%–2026-07-08
24GPT-5.6 Terra41.3%–2026-07-09
25Gemini 3.8 Flashmedium41.2%60.22026-09-02
26GLM 5.3max40.1%58.82026-08-14
27GPT-5.6 Luna39.8%47.22026-07-09
28Mistral Large 4high39.4%48.32026-10-06
29Claude Opus 4.738.5%63.12026-04-16
30Gemini 3.6 Flash34.4%49.32026-07-21
31GLM 5.3 Flashmax31.8%52.42026-08-20
32Kimi K2.7 Code30.1%53.92026-06-12
33DeepSeek V4 Prohigh28.6%56.02026-08-13
34GPT-5.4 Mini27.0%–2026-03-17
35Claude Opus 4.626.6%62.12026-02-05
36Composer 2.525.6%–2026-05-18
37GLM 5.2无推理24.5%45.82026-06-16
38Claude Sonnet 4.624.3%57.62026-02-17
39DeepSeek V4 Flash18.8%53.82026-07-31
40DeepSeek V4 Pro无推理17.6%42.22026-04-24
41MiniMax M314.7%56.12026-06-01
42Inkling14.0%50.42026-07-15
43Nemotron 3 Ultra13.6%42.12026-06-04
44Qwen3.7 Plus10.2%57.62026-06-02
45SWE-1.69.4%–2026-04-07
46Mistral Medium 3.58.0%46.62026-04-28

更多编程基准测试 · 全部大模型基准测试

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。