VISTA 基准发布：首个持续更新视觉规范到应用评测平台
VISTA 评测基准让 AI 从 Figma 设计稿开发整个网页应用，排行榜显示顶尖模型综合得分不足 0.3，产品级开发仍是挑战。
科学家推出 VISTA 评测基准，要求 AI 编程助手根据产品需求和 Figma 设计稿从零开发完整网页应用，不再只是修复代码。排行榜持续更新，当前最高分不足 0.3，显示 AI 距离稳定开发产品还有差距。
正文摘录
.jpg)  近年来，Coding Agent 正以前所未有的速度发展。从 Claude Code、OpenAI Codex 到 Cursor、Gemini CLI，大语言模型已经能够自主完成编码、调试、运行甚至部署整个 Web 应用，「AI 软件工程师」正逐渐成为现实。然而，一个新的问题也随之出现： 如果不给 AI 一个 GitHub Issue，而是给它一张 Figma 设计稿，它还能开发出一个真正可以交付的产品吗？ 过去几年，SWE-bench、OpenHands 等 Benchmark 极大推动了 Coding Agent 的发展，但它们主要关注代码仓库维护和 GitHub Issue 修复。相比之下，真实的软件开发通常始于一份产品需求（PRD）和一张 Figma 设计稿，需要开发者从零构建完整的 Web 应用。这意味着，Coding Agent 面临的挑战已经从 Code Generation 逐渐演进为 Product Generation。然而，目前仍然缺少一个能够系统评测这一能力的公开 Benchmark。