产品
别名：frontiercode leaderboard
AI模型代码生成能力评估平台
已跟踪 14 条高相关材料
最近变化
2026-07-17 · Devin Desktop和CLI新增支持Inkling及Grok 4.5模型
为什么值得关注
FrontierCode 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Inkling and Grok 4.5 are also available in Devin Desktop and CLI
Windsurf(@windsurf_ai) · 8.5 分
Devin Desktop和CLI现已支持Inkling和Grok 4.5模型，并推出FrontierCode排行榜跟踪代码生成质量。
The FrontierCode leaderboard is now live: a dedicated page that tracks which models are writing code...
Cognition(@cognition_labs) · 8.5 分
Cognition推出的FrontierCode排行榜现已上线，实时追踪能生成实际可合并代码的模型表现，包含Grok 4.5和Inkling等模型的评分及方法论。
[AINews] SpaceXAI launches Grok 4.5, first Opus-class model post Cursor acquisition
Latent Space · 8.5 分
SpaceXAI发布Grok 4.5，首个Cursor合作训练的Opus级模型，性能接近Opus但成本效率提升，专注编码与代理场景。
已收录 14 条与 FrontierCode 相关的内容，按评分排序。
Devin Desktop和CLI现已支持Inkling和Grok 4.5模型，并推出FrontierCode排行榜跟踪代码生成质量。
入选理由：Devin Desktop和CLI新增支持Inkling及Grok 4.5模型
Cognition推出的FrontierCode排行榜现已上线，实时追踪能生成实际可合并代码的模型表现，包含Grok 4.5和Inkling等模型的评分及方法论。
入选理由：FrontierCode排行榜包含Grok 4.5和Inkling等模型的代码生成能力评分
SpaceXAI发布Grok 4.5，首个Cursor合作训练的Opus级模型，性能接近Opus但成本效率提升，专注编码与代理场景。
入选理由：Grok 4.5是Cursor合作训练的首个非软件工程专用模型
Sarah Guo在文章中探讨了开源模型、Model Labs与Agent Labs的差异，并指出意图是AI领域最难训练的部分。
入选理由：开源模型的采用在2026年显著增长，得益于Cursor、Notion等工具的推动。
Claude Fable 5在低档位下表现优于Opus 4.8，且在复杂任务中更省成本。
入选理由：Fable 5低档位下表现优于Opus 4.8
Anthropic 发布 Claude Fable 5 和 Mythos 5，前者面向所有用户开放并内置安全机制，后者专供网络安全合作伙伴使用。
入选理由：Fable 5 通过降级机制保障安全，95% 的对话不会触发降级。
Claude Fable 5 在推理任务上表现卓越，但在文档解析任务上与 Gemini 3 Flash 相当，且成本高 10-15 倍。
入选理由：Claude Fable 5 在 SWE-Bench Pro 等推理任务中表现优异。
FrontierCode 是一种新的代码评估基准，通过多维度评价模型生成代码的质量，显著减少误判并提升评估标准。
入选理由：FrontierCode 评估标准比传统单元测试更全面，涵盖代码风格、可维护性等维度。
FrontierCode 是一项新的代码质量评估基准，专注于衡量代码是否可合并，而非仅通过单元测试。
入选理由：FrontierCode 由开源维护者耗时 40 多小时构建，旨在评估代码是否可合并。
Claude Fable 5 现已集成到 Devin Desktop 和 CLI，但文章信息密度低，缺乏技术深度。
入选理由：Claude Fable 5 现已支持 Devin Desktop 和 CLI。
Claude Fable 5在FrontierCode Diamond基准测试中表现优异，比Opus 4.8提升了15.9个百分点。
入选理由：Claude Fable 5在FrontierCode Diamond基准测试中得分从13.4%提升至29.3%。
推文展示了一个代码生成Leaderboard排名，但缺乏技术细节和工程价值，信息密度不足。
入选理由：FrontierCode Leaderboard显示模型性能排名，但未说明评估标准
文章内容过于简略，缺乏技术深度和具体信息，无法提供有价值的工程实践指导。
入选理由：文章未提供具体技术细节或实现方法。
Cognition 宣布 Claude Fable 5 在 Devin 中可用，但文章信息密度低，缺乏技术细节。
入选理由：Claude Fable 5 现在可在 Devin 中使用。
![[AINews] SpaceXAI launches Grok 4.5, first Opus-class model post Cursor acquisition](https://substackcdn.com/image/fetch/$s_!beuF!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F3dad0acc-e1ba-4ce4-9196-4ea6e56633a0_1628x1726.png)
![[AINews] Open Models, Model Labs vs Agent Labs, and What's Untrainable — Sarah Guo](https://substackcdn.com/image/fetch/$s_!76lN!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F709bf7b6-3173-4a7f-9099-fcabd2ebd438_1954x2078.png)
![[AINews] FrontierCode: Benchmarking for Code Quality over Slop](https://substackcdn.com/image/fetch/$s_!sdBk!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F0acd2026-8f85-4504-a5f3-6a0cd82d0b6a_2170x1604.png)
