VibeVideoBench评测代码驱动视频生成

VibeVideoBench作者团队发布代码驱动视频生成评测基准，以239项中英文任务检验多模态智能体能否用代码交付有声MP4。任务覆盖12类场景，智能体须在无图像或视频生成模型的沙箱中运行，并在一小时内完成成片。 基准结合交付规范检查、约1.3万项任务量规和三组视觉语言模型评审。作者团队称，未交付视频按零分计入会改变系统排名；缺失视频中四分之三源于最终渲染启动过晚、运行过慢或未启动，显示智能体的一小时规划也是评测重点。评审对各系统的排序与盲测人类偏好接近。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。