Replit 于10月28日发布 ViBench 2.0，评估智能体能否从空项目开始，逐步做出完整软件产品。基准参考打车、代码托管与在线文档等产品，包含17款产品、241项功能请求和544份测试计划。智能体先根据短规格做出初版，再在自己写下的代码上增加最多18项功能，必须处理早期架构决定给后续需求带来的约束。
测试覆盖干净数据库部署、已有数据变化、金额分摊、过期状态与并发等问题。最终由评分智能体在真实浏览器内点击、输入和核对结果。官方采用 Fireworks 的统一运行结果，每个模型对17款产品各构建四次；GPT-6.1 Sol 的完整构建通过率为65%，GPT-6 Astra 为60%，Opus 5.5 为49%。三者单项测试计划通过率均超过90%，说明少数遗漏仍可能使整款产品未通过。
八款产品已按 Harbor 格式公开在 GitHub，其余九款保留作测试。发布版提供运行框架和复现入口，并纳入 Fireworks 的 Specialized Intelligence Index。成本和耗时也被列入比较：Sol 每次构建约12美元，Astra 约90美元；Opus 5.5 每次构建平均约70分钟，耗时约为 GPT-6.1 Sol 的40%；Replit 指出差距主要来自 API 服务速度。