FrontierCode v1.1 remplace DeepSWE v1.1 dans l'Index. Le benchmark de Cognition comporte 100 tâches d'ingénierie logicielle sur de véritables dépôts open-source avec un ensemble de test privé, notées selon la question de savoir si un mainteneur fusionnerait la modification.
Claude Code avec Claude Opus 5.5 (max) obtient 56.0%, devant Codex avec DeepSeek V4.1 Flash (max) à 52.6%, Codex avec GPT-6.1 Sol (max) à 49.4% et Codex avec GPT-6 Astra (max) à 49.3%. Sous le sommet, les scores sont étroitement regroupés : 15 des 24 configurations de l'Index obtiennent entre 43% et 49%.