AI编程迎来交付能力大考，FrontierCode 2.0下主流模型得分大幅缩水

Cognition发布FrontierCode 2.0测评，更侧重真实软件工程任务，主流模型得分大幅缩水。Claude Opus 5.5从54.6%降至45.5%，GPT-6 Astra从53.3%降至42.8%，Grok 4.7从47.6%降至28.6%。测评引发AI编程跑代码易、做任务难的讨论，长程Agent与多组件系统集成仍是真实交付短板。