Replit发布ViBench 2.0长周期开发基准

Replit 发布 ViBench 2.0，用于评测智能体从空项目开始逐个功能搭建完整产品的长周期软件开发能力。该基准包含 17 个产品、241 个功能请求和 544 个测试计划。 17 个产品中，8 个以 Harbor 格式公开在 GitHub，其余 9 个保留不公开。Replit 称，所有结果都可在其基于 OpenHands 的测试框架上，从 v2.0.6 版本用一条命令复跑；官方结果来自 Fireworks 的运行，每个模型对 17 个产品各构建 4 次，使用同一框架和设置，所有构建器均以中等 effort、温度 1.0 和相同限制运行。

AI 根据报道生成 · 4 天前更新