FrontierCode 1.1 mide si las modificaciones de código generadas por un agente podrían ser aceptadas e integradas sin ediciones humanas posteriores. La evaluación también considera negativamente los cambios que exceden el alcance solicitado.

• Sonnet 5.5 registra 52,1% con Xhigh y 46,2% con Max, mientras Sonnet 5 alcanza 42,4%.
• Opus 5.5 obtiene 54,4% y GPT-6 Sol registra 49,3%.
• El resultado de Sonnet 5.5 no aumenta de forma continua al elevar el esfuerzo, ya que Xhigh supera a Max.
• Anthropic atribuye esa caída en Max a que Claude Code ejecutó con mayor frecuencia su función de revisión de código, lo que en algunos casos produjo tiempos de espera o modificaciones adicionales fuera del alcance solicitado.