基准/frontiercode-1-1

FrontierCode 1.1

2026-10-13 · 通用可合并性

测什么: 通用可合并性：维护者会不会合并这份 PR。任务由维护者编写，用单元测试、评分细则与验证器打分。不公平的联网使用会被清零。在本站作为 general 榜，同时出现在 Web 前端、Android 与 CLI / DevOps 场景。
怎么测: Cognition 的 FrontierCode 1.1（当前修订）。公开页默认 Main 集；本站按「All reasoning levels」收录全部（模型 × 推理档）行，不截断。名次 # 按该模型在 Main 上最高分推理档排序，与来源表一致。Score 是 rubric 加权聚合；Pass rate、Flag rate、Cost / rollout、Output tokens 与来源列一致。
分数含义: 百分比是可合并性 Score（越高越好）。不公平联网被标记的 run 记 0。综合分按通过率口径：相对榜首比值归一化。
注意: Main 与 Extended 是两套任务集；本站只收录默认 Main。Score (pre-flag) 与 Flag rate (1.0) 在 1.1 Main 数据里为空，来源页也不显示这两列。SWE-* 等行没有站内模型页时只保留来源名。
更新: 修订 1.1 为当前版本；不公平联网使用的 run 清零。本页于 2026-10-13 从 https://cognition.com/data/frontiercode-leaderboard/data.json 的 v1_1.main 同步 130 行（43 个模型的全部推理档），与页面 All reasoning levels 一致。
来源: cognition.com/frontiercode cognition.com/blog/frontier-code-1.1 data/frontiercode-leaderboard/data.json

完整榜单

130

#	模型	分数	通过率 %	标记率	单次成本	输出 tokens