New todaydeepseek-v4.1IMAGE
Cognition's FrontierCode 2.0: DeepSeek V4.1 Flash 19.3% vs Opus 5.5 45.5%
The new coding benchmark from 20+ maintainers leaves requirements implicit and zeroes hard-rule violations; DeepSeek V4.1 Flash scores 19.3% against Opus 5.5's 45.5%.
墨无归
@MoblacksoilArchived 10 hours agoOriginally posted 2026.10.28
墨无归 @MoblacksoilOriginally posted 2026.10.28
做 Devin 的 Cognition 发布了编程评测 FrontierCode 2.0：题目由 20 多位开源维护者从自家项目出，每题花 40 小时以上，而且故意不写全，看 AI 能不能像靠谱同事一样，补上没说出口的要求。 上一版问「这个改动会不会合进项目」，这版再问「该不该合」。 分数是按评分细则加权的总分，踩到硬性红线直接记 0。最高的 Claude Opus 5.5 只有 45.5%，开源的 DeepSeek V4.1 Flash 是 19.3%。这套题短期内还很难被刷满。 https://x.com/cognition/status/2115132488775524793/photo/1
x.com/moblacksoil/status/2115181994262839493Archived 2026.10.28 12:04