FrontierCode v1.1 ersetzt DeepSWE v1.1 im Index. Cognitions Benchmark umfasst 100 Software-Engineering-Aufgaben an echten Open-Source-Repositories mit einem privaten Testsatz, bewertet danach, ob ein Maintainer die Änderung mergen würde.
Claude Code mit Claude Opus 5.5 (max) erreicht 56,0 %, vor Codex mit DeepSeek V4.1 Flash (max) mit 52,6 %, Codex mit GPT-6.1 Sol (max) mit 49,4 % und Codex mit GPT-6 Astra (max) mit 49,3 %. Unterhalb der Spitze liegen die Punktzahlen eng beieinander: 15 der 24 Konfigurationen im Index erzielen zwischen 43 % und 49 %.