作者用自建仓库基准复现 FrontierCode 排名

开发者 bisonbear 从自己的 Git 历史中自动挖出 24 个任务，搭建了一套智能体编码评测，并在 10 个共享配置上与 Cognition 的 FrontierCode 质量排名做对比。他称两者相关系数达 0.96，45 对模型中有 42 对顺序一致。 成本上，bisonbear 称多数模型在其仓库上每任务的花费是 FrontierCode 所报数字的 3.5 到 5 倍。与 CursorBench 仅共享 4 个配置，bisonbear 称该范围内的排名相关系数只有 0.20。 上述相关性均为作者自述，榜单生成于 2026 年 10 月 17 日。

AI 根据报道生成 · 31 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。