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 AICue 中参与排名

所属领域编程

上游数据时间10/29 08:00

最近成功同步10/30 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。

计分：应用开发；与 Vibe Code Bench 1–100 共用一类评测。固定 10 个对照型号至少测到 6 个，才参与计算。

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
1	anthropic/claude-sonnet-5-5Anthropic	92.4%	Max 推理
2	google/gemini-4-argonGoogle	91.9%	High 推理
3	anthropic/claude-haiku-5-5Anthropic	90.4%	Max 推理
4	anthropic/claude-fable-5Anthropic	90.4%	Max 推理
5	anthropic/claude-opus-5-5Anthropic	90.3%	Max 推理
6	anthropic/claude-fable-5-1Anthropic	90.3%	Max 推理
7	openai/gpt-6-astraOpenAI	89.6%	Max 推理
8	google/gemini-4-carbonGoogle	89.1%	High 推理
9	openai/gpt-6.1-solOpenAI	88.9%	Max 推理
10	anthropic/claude-opus-5Anthropic	88.4%	来源默认配置
11	openai/gpt-6-solOpenAI	87.8%	Max 推理
12	deepseek/deepseek-v4.1-flash-1017DeepSeek	87.7%	Max 推理
13	grok/grok-4.7xAI	86.2%	xHigh 推理
14	meta/muse-wonder-fullMeta	86.0%	Max 推理
15	meta/muse_spark_1_3_maxMeta	85.9%	Max 推理
16	xiaomi/mimo-v2.6-proXiaomi	85.2%	来源默认配置
17	kimi/kimi-k3Moonshot AI	85.0%	Max 推理
18	kimi/kimi-k3.1-proMoonshot AI	84.9%	Max 推理
19	deepseek/deepseek-v4.1-flashDeepSeek	84.7%	High 推理
20	openai/gpt-6.1-terraOpenAI	84.0%	Max 推理
21	fireworks/ember-1Fireworks AI	83.9%	来源默认配置
22	meta/muse-wonderMeta	83.1%	Max 推理
24	anthropic/claude-opus-4-8Anthropic	82.7%	Max 推理
25	deepseek/deepseek-v4-pro-0813DeepSeek	82.3%	Max 推理
26	openai/gpt-6-lunaOpenAI	81.6%	Max 推理
27	mistralai/mistral-large-4-ossMistral AI	81.6%	High 推理
28	anthropic/claude-sonnet-5Anthropic	81.3%	Max 推理
29	openai/gpt-5.6-solOpenAI	80.5%	Max 推理
30	meta/muse_spark_1_2Meta	79.1%	xHigh 推理
31	xiaomi/mimo-v2.6-flashXiaomi	79.0%	来源默认配置

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；AICue 按公开规则把它们折算成同一种分数。