# Cognition 发布 FrontierCode 基准：代码能跑不算完，得看能不能合进主分支

> 原标题：[AINews] FrontierCode: Benchmarking for Code Quality over Slop

- 来源：Latent Space
- 发布时间：2026-06-09T06:12:33.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/38347
- 原文：https://www.latent.space/p/ainews-frontiercode-benchmarking

## 摘要

Cognition 做了一个叫 FrontierCode 的代码评测，不再只看模型生成的代码能不能通过单元测试，而是直接问“这代码你敢合并吗”。题目是找开源项目维护者一起出的，每道题要花 40 多个小时去设计，评分会看会不会引入新 bug、代码干不干净、改动范围是否合理、测试写得对不对、以后好不好维护。

## 推荐理由

Cognition 发布 FrontierCode 基准，由开源项目维护者出题，评分从能否通过测试转向是否引入新 bug、改动范围与可维护性，为代码质量评测提供新维度。

## 锐评

每道题花 40 多小时设计，这个成本决定了它短期只能是个小样本评测，跑不起大规模。Cognition 卖 Devin，客户最关心的就是生成的 PR 敢不敢合，把可合并性做成公开基准，顺手给自己的产品叙事立了标准。Opus 4.8 在最难那档最好，分数却没放出来，只报排名不报数我不太买账。方向我认，单元测试通过率早就没区分度了，可维护性和改动范围更接近真实 review。
