Vibe Code Bench v1.1

무엇을 측정하나요?

Vals AI가 만든 시험으로, AI가 자연어 명세만 보고 웹 애플리케이션을 처음부터 만들어 실제로 동작하게 하는지 봅니다.

누가 어떻게 평가하나요?

한 쪽 이하의 비기술적 명세마다 앱을 만들게 하고, 앱마다 20~60개의 자동 테스트를 평가 에이전트가 화면을 클릭하며 실행합니다. 명세와 테스트는 제품 관리자·개발자가 검토했습니다.

점수 읽는 법

점수는 0~100%입니다. 높을수록 좋습니다. 상위 모델이 90%를 넘어 변별력이 줄고 있습니다. 시험 세트는 공개되지 않았습니다.