Согласно последним данным, GPT-5.4 занял первое место в Vibe Code Bench v1.1 с результатом 67,42%, что значительно выше, чем у предыдущего лидера GPT-5.3 Codex (61,77%). На третьем месте находится Claude Opus 4.6 без режима рассуждений, который показал 57,57%. Этот бенчмарк фокусируется не на починке багов или дополнении функций, а на способности модели создавать полноценные веб-приложения из текстового описания в изолированной среде. В тестировании использовались 100 промптов на приложения, включая аналоги популярных сервисов. Каждая задача имела лимит в пять часов, а проверка результатов осуществлялась отдельным агентом. Анализ стоимости попыток показывает, что Claude Opus 4.6 достигает хороших результатов с меньшими затратами по времени и деньгам, чем GPT-5.3 и 5.4. Однако нельзя забывать, что GPT-5.4 по-прежнему имеет около трети неудачных решений, а распределение его результатов показывает как хорошие (87–100%), так и почти полностью неработающие (0–12,5%) приложения. Тем не менее, прогресс за последние полгода действительно впечатляет. развитию vibe coding