满分卷上，第一名翻车了！ Cognition 27 日发布了 FrontierCode 2.0：真仓库里出的题，维护者按能不能合并打分，挂一个硬性检查就直接… · @chenYijl · TwKit

@chenYijl

满分卷上，第一名翻车了！ Cognition 27 日发布了 FrontierCode 2.0：真仓库里出的题，维护者按能不能合并打分，挂一个硬性检查就直接 0 分。 最强的 Claude Opus 5.5 满分 100 分只拿了 45 分，半数以上的尝试连硬性检查都没过，考卷比上一代又狠了一个档次。 考的不是会不会写，是会不会收手：同一个 bug 藏在两处只修一处、只顾新功能不管旧输入类型，都算没过关。 更扎心的是官方的另一句：推理拉得越满，分反而越低，想太多会把题读歪、多动手脚。 你最近一次收到 AI 交的 PR，第一眼先看的是实现，还是先数它动了几个文件？

曝光 32 · 评论 1 · 点赞 0 · 书签 0