FrontierCode 2.0（Artificial Analysis 复跑）

Artificial Analysis / 编程 · 在真实开源仓库里改代码，看改动能不能达到维护者愿意合并的水平。

在 AICue 中参与排名

所属领域编程

上游数据时间待核实

最近成功同步10/30 02:05

它测什么，怎么测

132 个真实仓库改动任务，每题三次，统一 Stirrup 工具流程；取总体得分。同一型号按最高推理档位选代表配置，选择不看分数。

计分：仓库改动一类评测。固定 10 个对照型号至少测到 6 个，才参与计算。

同一模型测了多个档位时，按固定规则只取一套代表成绩；没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示，名次照搬原榜，每项最多列 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	claude-opus-5-5Anthropic	46.4%	Max 推理 · 含来源回退
3	gpt-6-astraOpenAI	42.4%	Max 推理
4	gpt-6-1-terraOpenAI	42.3%	Max 推理
5	claude-sonnet-5-5Anthropic	41.7%	Max 推理 · 含来源回退
7	gpt-6-1-solOpenAI	40.6%	Max 推理
8	gemini-4-carbonGoogle	40.6%	High 推理
11	muse-wonder-fullMeta	37.8%	Max 推理
19	claude-haiku-5-5Anthropic	34.9%	Max 推理
24	claude-fable-5-1Anthropic	31.6%	Max 推理 · 含来源回退
28	grok-4-7xAI	28.7%	xHigh 推理
29	deepseek-v4-1-flash-1017DeepSeek	28.5%	Max 推理
30	muse-wonderMeta	27.9%	Max 推理
34	gemini-4-argonGoogle	25.7%	High 推理
35	kimi-k3-1-proMoonshot AI	25.5%	来源默认配置
36	gpt-6-lunaOpenAI	25.2%	Max 推理
38	mimo-v2-6-proXiaomi	24.0%	来源默认配置
39	qwen3-8-maxAlibaba	23.4%	来源默认配置
41	muse-spark-1-3Meta	23.1%	Max 推理
43	minimax-m3MiniMax	21.9%	来源默认配置
45	mimo-v2-6-flashXiaomi	21.6%	来源默认配置
46	glm-5-3Z.ai	21.6%	Max 推理
47	minimax-m3-1-flashMiniMax	20.8%	来源默认配置
49	gemini-3-8-flashGoogle	18.7%	High 推理
52	deepseek-v4-proDeepSeek	17.1%	Max 推理
53	ling-3-1-flash-1019InclusionAI	17.0%	来源默认配置
57	mistral-large-4Mistral AI	15.0%	High 推理
58	qwen3-8-27bAlibaba	14.9%	xHigh 推理
60	mistral-large-4-mediumMistral AI	13.3%	Medium 推理
63	step-5StepFun	12.0%	来源默认配置
64	k2-horizon-375b-a23bMBZUAI Institute of Foundation Models	11.8%	来源默认配置

评测局限与数据署名

除隐藏测试外，维护者评分细则由一个固定的模型裁判打分，不是纯测试判定；偷看答案的尝试记 0 分。缺测留空；回退成绩计入并标注，受影响题目过半不计。

数据许可：Artificial Analysis 公开页面数据；展示须显著署名并链接来源，遵守其 Terms of Use

成绩由 Artificial Analysis 发布。各项评测的原始分数尺度不同，不能直接相加；AICue 按公开规则把它们折算成同一种分数。