Replit 发布 ViBench 2.0:最强模型长程构建通过率仅 49-65%
amasad · x · 2026-10-29
Replit 发布 ViBench 2.0,一个面向长程软件构建的基准:Agent 从空项目开始,逐个功能地把完整产品搭出来,且看不到后续需求。结果显示,即使最强模型(GPT-6.1 Sol、GPT-6 Astra、Opus 5.5)也只有 49-65% 的构建能通过全部检查。GPT-6.1 Sol 目前领先。ViBench 2.0 已纳入 Fireworks AI 的 Specialized Intelligence Index,成绩由 Fireworks 官方运行产生。CEO Amjad Masad 转发并称 GPT-6.1 Sol 拔得头筹。
所属事件:Replit 发布 ViBench 2.0，最强模型通过率仅 49-65%(2 条相关)→
「编程与Agent」频道最新
- SREGym 将在 Bench Summit 首发，瞄准 AI SRE 基准前沿 — tianyin_xu · 2026-10-29
- msgblast 0.10 发布:一个输入框同时群发多个 AI agent — msg · 2026-10-29
- 单次任务 400+ 工具调用,Monty 沙箱给 agent 撑起沙盒代码模式 — samuelcolvin · 2026-10-29
- GitHub 开源 lever:动词化 skills 库把枯燥工作交给 agent — 0xkarasy · 2026-10-29
- Google 发布 PLE 基准:85 项真实工程任务,最强 agent 仅 50.6 分 — rohanpaul_ai · 2026-10-29
- Google PLE 基准:最强 agent 物理工程任务仅得 50.6 分,常漏安全硬约束 — rohanpaul_ai · 2026-10-29