Vals 今日发布 Vibe Code Bench 1-100（VCB 1-100）：在已通过的完整 Web 应用上，要求模型按依赖顺序完成多轮产品改动，且不能破坏既有行为；首个未完成迭代即终止。官方榜单显示 Claude Opus 5 以 28.53% 领先，Claude Fable 5.1 28.00%、GPT-6 Astra 27.64% 紧随其后。相对只评「从零做出能跑版本」的基准，该套题更贴近真实持续演进的 vibe coding / 编程智能体工作负载。

核心要点速览

  • ✓VCB 1-100 从已通过的完整应用起步，按依赖顺序施加多轮产品请求，首个失败迭代即终止。
  • ✓榜单：Claude Opus 5 28.53%，Claude Fable 5.1 28.00%，GPT-6 Astra 27.64%。
  • ✓Vals 指出模型自我测试差异大：Opus 5 / Fable 5.1 约三分之一工具调用为浏览器；Grok 4.6 几乎不用浏览器。
⚡

开发者 3 秒速决决策指标

一眼结论
🏆 权威跑分段位榜单
榜单：Claude Opus 5 28.53%，Claude Fable 5.1 28.00%，GPT-6 Astra 27.64%。
查看天梯总榜→
💰 调用成本与套餐比价
Claude Opus 5 · 输入 $15 / 输出 $75
查可用套餐与测算↗
🛠️ 开发与接入生态规则
Vals · Vibe Code Bench · VCB 1-100
配置 IDE 专属规则↗
🧭

把技术选型换算成你的开发预算

40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟

⚔️ 模型战力比拼→💰 比较订阅与额度↗
实战指南准备好将技术转化为生产力？

即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。

⚔️ 开始双模型比拼→💳 查看可用套餐↗
接着读Kaggle 与 IBM Research 上线 ScarfBench 企业 Java 迁移榜：Gemini 4 Argon + Antigravity 以 75.2% 居首，七成失败发生在运行阶段
立即阅读→