# FrontierCode 基准给 AI 编程泼了盆冷水：最强模型代码合并通过率只有 13.4%

> 原标题：FrontierCode 基准测试：AI 编程评估新标准--维护者审核通过率最高仅 13.4%

- 来源：AI HOT 精选
- 发布时间：2026-06-09T00:44:56.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/35713
- 原文：https://x.com/AYi_AInotes/status/2064146694774595646

## 摘要

Cognition 搞了个叫 FrontierCode 的编程评测，找了 20 多位资深开源维护者手工出了 150 道题，每道题平均花 40 小时以上，还配了 3000 多条审核规则，核心就一个标准：维护者看完代码愿不愿意合入主分支。他们直接点名 SWE-Bench 这类老评测，说里面超半数通过的代码其实是没法维护的垃圾。

## 推荐理由

Cognition 发布 FrontierCode 基准，请 20 多位资深开源维护者手工出题，以代码能否被合入主分支为审核标准，最强模型通过率只有 13.4%。

## 锐评

13.4% 这个数我信，它比 SWE-Bench 那些漂亮分数有用得多。判断标准就一条，维护者愿不愿意合进主分支，这比跑通测试难一个档次，20 多人手工出 150 道题、平均 40 小时一道，成本摆在那，做不了假。被打脸的是老 benchmark，超半数通过的代码没法维护，等于拿一堆能跑但没人敢要的代码在刷榜。评测口径该换了，能过测试不算本事，能过 review 才算。
