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 裕瑞产业情报 中参与排名
证据预算NaN%
上游数据时间10/20 08:00
最近成功同步10/23 20:06
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 10 个对照型号至少测到 6 个，才参与计算。
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 |
|---|---|---|---|
| 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 | openai/gpt-6.1-solOpenAI | 88.9% | Max 推理 |
| 9 | anthropic/claude-opus-5Anthropic | 88.4% | 来源默认配置 |
| 10 | openai/gpt-6-solOpenAI | 87.8% | Max 推理 |
| 11 | deepseek/deepseek-v4.1-flash-1017DeepSeek | 87.7% | Max 推理 |
| 12 | grok/grok-4.7xAI | 86.2% | xHigh 推理 |
| 13 | meta/muse-wonder-fullMeta | 86.0% | Max 推理 |
| 14 | meta/muse_spark_1_3_maxMeta | 85.9% | Max 推理 |
| 15 | xiaomi/mimo-v2.6-proXiaomi | 85.2% | 来源默认配置 |
| 16 | kimi/kimi-k3Moonshot AI | 85.0% | Max 推理 |
| 17 | deepseek/deepseek-v4.1-flashDeepSeek | 84.7% | High 推理 |
| 18 | fireworks/ember-1Fireworks AI | 83.9% | 来源默认配置 |
| 19 | meta/muse-wonderMeta | 83.1% | Max 推理 |
| 21 | anthropic/claude-opus-4-8Anthropic | 82.7% | Max 推理 |
| 22 | deepseek/deepseek-v4-pro-0813DeepSeek | 82.3% | Max 推理 |
| 23 | openai/gpt-6-lunaOpenAI | 81.6% | Max 推理 |
| 24 | anthropic/claude-sonnet-5Anthropic | 81.3% | Max 推理 |
| 25 | openai/gpt-5.6-solOpenAI | 80.5% | Max 推理 |
| 26 | meta/muse_spark_1_2Meta | 79.1% | xHigh 推理 |
| 27 | xiaomi/mimo-v2.6-flashXiaomi | 79.0% | 来源默认配置 |
| 28 | google/gemini-3.8-flashGoogle | 78.7% | High 推理 |
| 29 | mistralai/mistral-large-4Mistral AI | 78.4% | High 推理 |
| 30 | zai/glm-5.3Z.ai | 78.1% | Max 推理 |
| 31 | 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。 |
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 按公开规则把它们折算成同一种分数。