跳到正文

Vibe Code Bench v1.1

Vals AI / 编程 · 按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

官方评测
在 AIHOT 中参与排名
所属领域编程
上游数据时间11/19 08:00
最近成功同步11/22 20:05

它测什么,怎么测

50 个应用开发场景,统一 OpenHands,浏览器评测按验收步骤检查功能。

AIHOT 怎么用它

计分:应用开发;与 Vibe Code Bench 1–100 共用一类评测。从上一轮综合榜已收录官方 API 价格或公开权重的型号里,取前 10 家厂商各自名次最高的型号。至少测过其中 60% 才参与计算(发布不满一个月的没测不算缺)。

评测成绩

同一模型测了多个档位时,按固定规则只取一套代表成绩;没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示,名次照搬原榜,每项最多列 30 个。

原榜名次原榜型号原始成绩代表配置
1anthropic/claude-fable-5-2Anthropic93.8%High 推理
2google/cobalt-c-high-1p00Google93.7%xHigh 推理
3anthropic/claude-sonnet-5-5Anthropic92.4%Max 推理
4google/gemini-4-argonGoogle91.9%High 推理
5anthropic/claude-haiku-5-5Anthropic90.4%Max 推理
6anthropic/claude-fable-5Anthropic90.4%Max 推理
7anthropic/claude-opus-5-5Anthropic90.3%Max 推理
8anthropic/claude-fable-5-1Anthropic90.3%Max 推理
9openai/gpt-6.2-astraOpenAI89.9%Max 推理
10openai/gpt-6-astraOpenAI89.6%Max 推理
11google/gemini-4-carbonGoogle89.1%High 推理
12openai/gpt-6.1-solOpenAI88.9%Max 推理
13anthropic/claude-opus-5Anthropic88.4%来源默认配置
14openai/gpt-6-solOpenAI87.8%Max 推理
15google/gemini-4-hydrogenGoogle87.8%xHigh 推理
16deepseek/deepseek-v4.1-flash-1017DeepSeek87.7%Max 推理
17openai/gpt-6.2-solOpenAI87.6%Max 推理
18alibaba/qwen4-maxAlibaba86.7%xHigh 推理
19grok/grok-4.7xAI86.2%xHigh 推理
20meta/muse-wonder-fullMeta86.0%Max 推理
21meta/muse_spark_1_3_maxMeta85.9%Max 推理
22xiaomi/mimo-v2.6-proXiaomi85.2%来源默认配置
23kimi/kimi-k3Moonshot AI85.0%Max 推理
24kimi/kimi-k3.1-proMoonshot AI84.9%Max 推理
25deepseek/deepseek-v4.1-flashDeepSeek84.7%High 推理
26openai/gpt-6.1-terraOpenAI84.0%Max 推理
27fireworks/ember-1Fireworks AI83.9%来源默认配置
28meta/muse-emberMeta83.7%Max 推理
29meta/muse-wonderMeta83.1%Max 推理
31anthropic/claude-opus-4-8Anthropic82.7%Max 推理
评测局限与数据署名

只取 Vals 这项评测的主流程 OpenHands 的成绩。 缺测留空;回退成绩计入并标注,受影响题目过半不计。

数据许可:官方公开结果;公开再展示保留官方署名,完整再分发授权仍以 Vals 条款为准

成绩由 Vals AI 发布。各项评测的原始分数尺度不同,不能直接相加;AIHOT 按公开规则把它们折算成同一种分数。