VibeTest模型评测档案
English
ARCHIVE 001 / 2026 · 展览季

VibeTest

An archive of things AI models actually made.

记录模型真正创造出来的东西。

在相同的题目下，比较不同模型的真实作品、运行证据与独立评价。

浏览任务 →对比作品 →
  • 相同题目
  • 真实输出
  • 独立评价
  • 可验证记录
02 · SVG
03 · SVG
AI CREATIVITY IN THE OPEN相同题目 · 真实输出 · 独立评价 · 可验证记录
04模型同一套题目
02阶段第一阶段已完成
70运行全部保留运行记录
20 / 45任务已归档 / 计划
档案进度 · 已测试 / 计划20 / 4544.4%
分母来源
各阶段计划题数之和
题目版本
20
累计运行时长
11:08:01
FEATURED WORKS

精选作品

三个结果使用同样的宽度、同样的预览比例，不标注「最佳模型」。

查看全部任务 →
CURRENT EXHIBITION

当前展览

阶段 →
01
PHASE-01

第一阶段 · 15 项基准任务

覆盖 SVG 绘制、单文件交互应用和多文件网页应用。

15 / 15 任务 · 已完成
4 模型 · 60 运行
02
PHASE-02

第二阶段 · 高级纯创造任务（Task 16–45）

浏览器内的动画、模拟、工程与创作类工具；本档案当前只含已测试并归档的 Task 16–20（5 题 × 2 个模型 = 10 条运行），其余题目尚未测试。

5 / 30 任务 · 进行中
2 模型 · 10 运行
MODELS IN ARCHIVE

档案中的模型

全部模型 →
M01
DeepSeek

DeepSeek-V4.1-Flash（0910 实验版 + 正式版）

20 件作品 · 5:24:18

→M02
Meta Superintelligence Labs

Muse Spark 1.3

20 件作品 · 1:10:47

→M03
OpenAI

GPT-5.6 Sol

15 件作品 · 1:16:46

→M04
Moonshot AI（Kimi）

K3

15 件作品 · 3:16:10

→
RECENTLY ARCHIVED

最新归档

归档数据未记录逐运行的归档日期，这里按阶段 02 与归档顺序列出（本组累计用时 3:15:56）。

阶段详情 →
METHODOLOGY

方法简介

阅读评测方法 →
01

相同题目

同一阶段的模型收到完全相同的题目文本与资源限制；题目版本递增而不是覆盖原文，比较只在同一题目版本内进行。

02

真实输出

页面上展示的是模型实际交付的文件：网页可以被打开、SVG 可以被查看、运行记录保留调用与重试次数。

03

独立评价

人工评价、各版 AI 评价与本次展示站验证分别记录，口径与免责声明随分数并列展示，不静默合并。

04

不做综合排名

不同评委、不同口径的分数不合成排行榜；缺失值显示「未记录」，不推断单题费用或模型能力。