Новости
FrontierCode 2.0
Cognition · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- Cognition released FrontierCode 2.0, a harder coding benchmark with larger tasks, stricter grading, and broader repository coverage to better evaluate AI coding agents.
- Почему это важно
- Engineers building or evaluating AI coding systems need this to understand how well models handle real-world code contributions beyond simple spec-following.
- На что обратить внимание
- Top model scores only 45 percent, and models often score lower with more reasoning effort, suggesting current agents struggle with scope judgment and inferring unstated constraints.
Паттерны, стоящие за этой новостью
- MMAU: Massive Multitask Agent Understanding
- TheAgentCompany Benchmark
- Agentic Context Engineering (Evolving Playbook)
Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.