FrontierCode 的难度之高，让即便是 Claude Opus 4.8 在其最难的“Diamond”档次上也只拿到 13.4% 的分数，这让人相信该基准在未来几年仍将是衡量 AI 编程进展的有效工具。

Cognition 推出的新基准 FrontierCode 对顶尖模型来说极其困难——Claude Opus 4.8 在 Diamond 档次上仅拿到 13.4% 的分数——这表明它将比 SWE-Bench 等以往的编程基准更能抵御“跑分饱和”。 ✦ AI 生成 · 平台预翻

Jack Clark · Import AI · 2026-06-15 · English original →

这个基准最棒的一点就是它有多难——Claude Opus 4.8 在其最难的（“Diamond”）部分上只拿到 13.4% 的分数，这让我对 FrontierCode 在未来几年能持续作为评估 AI 系统进展的有效方式抱有一定信心。

The best part about the benchmark is how hard it is - Claude Opus 4.8 gets a score of 13.4% on the hardest ("Diamond") component of the benchmark, giving me some confidence that FrontierCode will be a useful way to assess progress of AI systems in the coming years.

阅读原文 ↗合理引用摘录 · 中文为平台译文