AI写代码能不能被合并：Cognition用36个开源仓库出题，最强模型仍有四成以上失败
Cognition与36个开源仓库的维护者共同构建了FrontierCode 1.1，让智能体在真实仓库上做改动，并由维护者标准判断这次改动是否值得合并。评测不只看测试是否通过，还看改动是否过大、是否越界修改无关文件、是否添加无用测试。Artificial Analysis在统一的Stirrup智能体框架下运行主集100个任务，每个任务三次尝试，领先模型Claude Opus 5.5平均得分52%、通过率58%，但领先模型仍有超过40%的尝试无法通过全部阻断性检查。