Replit 釋出 ViBench 2.0 長週期構建基準並公佈評測結果

2026 年 10 月 29 日，Replit 在 X 上釋出 ViBench 2.0，這是一個面向長週期軟體構建的基準。智慧體從空專案開始，按功能逐個構建完整產品，且無法提前看到後續步驟，用於檢驗模型維持長程任務的能力。

Replit 隨即公佈了 ViBench 2.0 的構建評測結果：三個模型的構建通過率超過 40%，其他模型均不足 20%。其中 GPT-6.1 Sol 以 65% 的通過率領先 GPT-6 Astra 的 60%，單次構建成本分別約為 12 美元和 90 美元；Opus 5.5 通過率為 49%，構建耗時約 70 分鐘，比 Sol 快約 2.5 倍，主要受 API 供應商速度影響。Replit 還給出新模型分數更高的一組數字：在 8 個公開產品上，pass@1 從 GPT-5.4 的 0% 升至 GPT-6 Sol 的 31% 和 GPT-6.1 Sol 的 53%；GPT-6.1 Terra 以約 Sol 一半的成本通過 47%。

關於失敗模式，Replit 稱每個功能單獨執行都正常，合在一起卻會出問題。約 3/4 頂級模型的失敗構建能通過每一項單功能檢查，失敗發生在功能交匯處。例如程式碼託管中草稿 PR 不顯示合併衝突，文件編輯器無法對單詞進行評論。目前事件停留在 Replit 公佈基準、評測結果與失敗分析的階段，尚無第三方復現或獨立驗證的報道。