Replit ⠕

今天，我们发布了 ViBench 2.0，这是一个用于长周期软件构建的基准测试。代理从一个空项目开始，一次构建一个功能，完成整个产品，而无法提前看到后续内容。 即使是最好的模型（GPT-6.1 Sol、GPT-6 Astra、Opus 5.5），在所有构建中通过每项检查的比例也仅为 49%-65%。 ViBench 2.0 现在已成为 @FireworksAI_HQ 的专项智能指数的一部分，并提供 Fireworks 测试运行的官方结果。 阅读更多内容：https://t.co/WDbfapcWhC