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 (Key Takeaways)

  • ✓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。
ADSponsored