Vibe Code Bench v1.1
Vals AI / 编程 · 从需求搭建网页应用，检查实际功能。
在 AIHOT 中参与排名
所属领域编程
上游数据时间10/06 08:00
最近成功同步10/08 02:05
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。
如何使用这份证据
计分：应用开发；与 Vibe Code Bench 1–100 共用一类评测。 固定十个对照型号至少测到六个，才参与计算。
评测成绩
按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示，保留原榜名次，每项最多 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | anthropic/claude-sonnet-5-5Anthropic | 92.4% | Max 推理 |
| 2 | google/gemini-4-argonGoogle | 91.9% | High 推理 |
| 3 | anthropic/claude-fable-5Anthropic | 90.4% | Max 推理 |
| 4 | anthropic/claude-opus-5-5Anthropic | 90.3% | Max 推理 |
| 5 | anthropic/claude-fable-5-1Anthropic | 90.3% | Max 推理 |
| 6 | openai/gpt-6-astraOpenAI | 89.6% | Max 推理 |
| 7 | openai/gpt-6.1-solOpenAI | 88.9% | Max 推理 |
| 8 | anthropic/claude-opus-5Anthropic | 88.4% | 来源默认配置 |
| 9 | openai/gpt-6-solOpenAI | 87.8% | Max 推理 |
| 10 | grok/grok-4.7xAI | 86.2% | xHigh 推理 |
| 11 | meta/muse_spark_1_3_maxMeta | 85.9% | Max 推理 |
| 12 | xiaomi/mimo-v2.6-proXiaomi | 85.2% | 来源默认配置 |
| 13 | kimi/kimi-k3Moonshot AI | 85.0% | Max 推理 |
| 14 | deepseek/deepseek-v4.1-flashDeepSeek | 84.7% | High 推理 |
| 15 | fireworks/ember-1Fireworks AI | 83.9% | 来源默认配置 |
| 17 | anthropic/claude-opus-4-8Anthropic | 82.7% | Max 推理 |
| 18 | deepseek/deepseek-v4-pro-0813DeepSeek | 82.3% | Max 推理 |
| 19 | openai/gpt-6-lunaOpenAI | 81.6% | Max 推理 |
| 20 | anthropic/claude-sonnet-5Anthropic | 81.3% | Max 推理 |
| 21 | openai/gpt-5.6-solOpenAI | 80.5% | Max 推理 |
| 22 | meta/muse_spark_1_2Meta | 79.1% | xHigh 推理 |
| 23 | xiaomi/mimo-v2.6-flashXiaomi | 79.0% | 来源默认配置 |
| 24 | google/gemini-3.8-flashGoogle | 78.7% | High 推理 |
| 25 | mistralai/mistral-large-4Mistral AI | 78.4% | High 推理 |
| 26 | zai/glm-5.3Z.ai | 78.1% | Max 推理 |
| 27 | anthropic/claude-opus-4-8-claude-codeAnthropic | 77.5% | 来源默认配置未计入：该次使用的 Agent 不属于已核实的统一工具流程。 |
| 28 | tencent/hy4-previewTencent | 77.5% | 来源默认配置 |
| 29 | openai/gpt-5.6-lunaOpenAI | 77.1% | Max 推理 |
| 30 | grok/grok-4.6xAI | 76.2% | High 推理 |
| 31 | deepseek/deepseek-v4-flash-0731DeepSeek | 74.7% | High 推理 |
评测局限与数据署名
只取 OpenHands 成绩；厂商专用 Agent 不计。 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 按公开规则把它们换算到同一条能力刻度上。