一句话看懂：Replit 于 2026 年 10 月 28 日发布 ViBench 2.0，把评测对象从单次生成代码改成“从空项目开始、逐功能构建完整产品”的长周期任务；按 Replit CEO Amjad Masad 的说法，GPT 6.1 Sol 在该基准上暂时领先。
事件核心：发生了什么
Amjad Masad 在 X 上宣布 ViBench 2.0 上线，并称 GPT 6.1 Sol 登顶。Replit 官方账号给出的描述是：这是一个面向“长周期软件构建”的基准，智能体从空项目起步，逐个功能搭建完整产品，过程中看不到后续需求。官方帖同时提到，表现最好的几款模型（GPT-6.1 Sol、GPT-6 Astra、Opus 5.5）通过了全部检查项；但具体分数、任务数量与评测方法目前公开信息有限。
为什么重要
过去的代码基准多考察单轮补全或单文件任务，ViBench 2.0 更接近真实开发：需求分批到达、上下文持续累积、错误会向后传导，模型的规划、记忆和自纠错能力都会被拉开差距。对 AI 应用生态而言，这类基准比“一次生成一个网页”更能反映智能体能否承担完整产品交付，也会影响开发者选择模型与工具链时的判断依据。需要说明的是，这一排名仅对应 2026 年 10 月 28 日前后该基准的评测条件，不代表模型的长期位置。
对用户/开发者/创作者的影响
开发者可以把它当作选型参考之一：若主要做从零到一的产品原型，长周期基准的参考价值高于单点代码测试；若做的是局部功能或 API 集成，仍要看具体任务表现。创作者和非技术用户则更关心“一句话生成可用应用”的完成度，但基准分数不等于直接可上线的产品。社区中已有评论指出，真正的难点在于“能收钱、能扛住第一次退款”的完整应用，这提示评测与真实业务之间仍有距离。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 ViBench 2.0 是否公开完整任务集与评分细则，方便第三方复现；二是领先模型在长周期任务中的失败模式，例如需求漂移、回归错误和成本失控；三是后续版本是否加入支付、部署与运维等真实业务环节，以及更多模型是否跟进提交结果。
