Cognition 的 FrontierCode 2.0 揭示：所有 AI 编程工具在真实工程任务中都有一半会失败
Cognition 的 FrontierCode 2.0 考察 AI 编程智能体是否遵守未明言的约束，测试任务由维护者每项花费 40 多小时构建。表现最好的模型 Opus 5.5 仅得 45%，印证了标题的结论：顶尖 AI 编程工具在约一半真实工程任务上都会失败。它之所以重要，是因为它衡量的是简单基准测不出的差距：遵守真实代码库中不成文的规则，而不只是写出能运行的代码。
报道来源
- Alpha Signal2026-10-27 17:24