Cognition、メンテナが「マージできるか」で採点するFrontierCode 2.0を公開　首位のClaude Opus 5.5でも45.5%

FrontierCode 2.0は、20人以上のOSSメンテナが1タスクあたり40時間以上かけて作った132タスクで構成される。前版の1.1と比べて対象リポジトリが55%、必須の採点基準が43%増え、参照解の変更ファイル数は67%、変更行数は89%多く、コードベースも25%大きい。必須基準を一つでも満たさない解答は0点になり、解答を含む情報源を参照した実行も0点として扱う。結果はClaude Opus 5.5が45.5%、GPT-6 Astraが42.8%、Grok 4.7が28.6%、Gemini 4 Argonが26.3%、Muse Wonder 1.0が24.3%、SWE-2が23.9%、DeepSeek V4.1 Flashが19.3%、Kimi K3が17.7%だった。Cognitionは費用対性能ではGPT-6.1 Solが強いとしている。