Replit 发布了 ViBench 2.0,这是一个旨在评估 AI 代理在长期软件开发任务中的新基准。该基准模拟构建 Uber 或 GitHub 等真实世界产品,代理的任务是构建包含 241 项功能的 17 款不同产品。初步结果显示,即使是 GPT-6.1 Sol、GPT-6 Astra 和 Opus 5.5 等领先模型,在完成这些构建方面的成功率也仅在 49% 到 65% 之间。 AI
影响 为评估 AI 代理在复杂、多步骤软件开发任务中的能力设定了新标准。
排序理由 发布了用于评估 AI 在软件开发能力方面的新基准。
在 X — Replit (AI dev platform) 阅读 →
- Fireworks AI
- GitHub
- Google Docs
- GPT-6.1 Sol
- GPT -6 Astra
- Opus 5.5
- Replit
- Specialized Intelligence Index
- Uber
- ViBench 2.0
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →