Replit、AI開発ベンチマーク「ViBench 2.0」を公開　最上位モデルでも成功率65%にとどまる

本ページはプロモーションを含みます（掲載基準）

画像: Replit Blog

結論（先に3行）

1. Replitがソフトウェア開発AIの評価基準「ViBench 2.0」を公開しました。2. 2026年10月28日に公開し、8製品分の課題をGitHubで無償提供します。3. AIを使った本格的なアプリ開発を検討する企業や開発者が対象です。

Replitは2026年10月28日、AIのソフトウェア開発能力を測るベンチマーク「ViBench 2.0」を公開しました。空のプロジェクトから指示通りに製品を構築できるかを評価します。

本評価は17の製品と241件の機能追加、544件のテストで構成されています。最上位モデルの「GPT-6.1 Sol」でも全テストの通過率は65%でした。「GPT-6 Astra」は60%、「Opus 5.5」は49%にとどまります。

構築費用は「GPT-6.1 Sol」が1回あたり約12ドル、「GPT-6 Astra」が約90ドルでした。「Opus 5.5」は平均約70分で完了し、「GPT-6.1 Sol」より約2.5倍速く動作しました。

ゼロからの製品開発では最先端のAIでも失敗が生じるため、指示の分割や人による確認が必要だと分かります。

ざっくり言うと、AIが「ゼロからアプリを作って、あとから機能を追加していけるか」を試す実技試験です。既存の修正ではなく、空っぽの状態からUberのような製品を組み立てさせます。

最優秀なAIでも全問正解は6割程度でした。途中で仕様が増えると過去のコードと矛盾しやすくなるため、現時点では人間が段階ごとに点検する必要があります。

最上位のAIでも成功率が49%から65%という数字には、かなり驚きました。1回あたり約12ドルから90ドルの費用がかかる点も含め、完全自動化への壁はまだまだ厚いという印象です。

過信は禁物。自社開発にAIを取り入れたい人なら、一括で丸投げせず、機能単位で小さく指示を出して人間がレビューする運用が無難です。

一方、開発時間は「Opus 5.5」の約70分のように実用的な水準へ縮まってきています。

AIにアプリ開発を任せている人は、現在のモデルの実力や費用感、所要時間を客観的な数値で比較できるようになります。