En el Vibe Code Bench de Vals AI, un agente principal que delega en subagentes superó al agente único una de cada cuatro veces, y subir el esfuerzo de razonamiento rindió más por menos.
Benchmark
Vibe Code Bench
Qué mide el benchmark Vibe Code Bench, cómo lo ejecuta Vals AI y las puntuaciones registradas de cada modelo, con su fuente, fecha de evaluación e…
- Responsable
- Vals AI
- Puntuación
- %
- Última comprobación
- 9 de octubre de 2026
Clasificación
| Modelo | Puntuación (%) | Fuente | Evaluado |
|---|---|---|---|
| Claude Opus 5.5single agent, medium effort | 91.5 | vals.ai IndependienteVerificado | — Fecha de la fuente: 9 de octubre de 2026 |
| Claude Opus 5.5single agent, maximum effort | 89.8 | vals.ai IndependienteVerificado | — Fecha de la fuente: 9 de octubre de 2026 |
| GPT-6 Solsingle agent, maximum effort | 89 | vals.ai IndependienteVerificado | — Fecha de la fuente: 9 de octubre de 2026 |
| GPT-6 Solsingle agent, medium effort | 77.6 | vals.ai IndependienteVerificado | — Fecha de la fuente: 9 de octubre de 2026 |