先了解这件事
AI 综述
Replit发布ViBench 2.0,用于评测AI智能体从空项目出发、逐个功能构建完整产品的能力。该基准包含17个产品、241个功能请求和544个测试计划。据Replit Blog公布的结果,GPT-6.1 Sol以65%的pass@1领先,GPT-6 Astra为60%,Opus 5.5为49%,三者均通过超过90%的测试计划。Opus 5.5平均约70分钟完成一次构建,比Sol快约2.5倍;DeepSeek V4.1 Flash以约2.50美元每次构建通过77%的测试计划,但没有开源权重模型能通过完整构建。
AI 根据公开报道生成
最新动态 · 相关讨论
Amjad Masad 参与了这场讨论事件进展
1 个已确认进展
- 来源：Replit Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月29日
Replit Blog一手
Replit 发布 ViBench 2.0：面向长周期软件构建的基准测试
Replit 发布 ViBench 2.0，用于评测 AI 智能体从空项目出发、逐个功能构建完整产品的能力，包含 17 个产品、241 个功能请求和 544 个测试计划。GPT-6.1 Sol 以 65% 的 pass@1 领先，GPT-6 Astra 为 60%，Opus 5.5 为 49%，三者均通过超过 90% 的测试计划。Opus 5.5 平均约 70 分钟完成一次构建，比 Sol 快约 2.5 倍；DeepSeek V4.1 Flash 以约 $2.50 每次构建通过 77% 的测试计划，但没有开源权重模型能通过完整构建。
本事件热度走势
- 当前
- 8
- 区间峰值
- 11 10月30日 17:00
- 近 24 小时变化
- —
移动指针或点击图表可查看每小时热度；键盘可用左右方向键切换。