# 策展 · X (Twitter) 🔥🔥🔥
> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)
> 原作者：Aiden Bai (@aidenybai) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 日期：2026-07-16
> 原始來源：https://x.com/aidenybai/status/2077422965332037679
## 證據與延伸閱讀
- [現有基準測試忽略生產環境品質問題](https://github.com/millionco/reactbench)
## 中文摘要
Aiden Bai 發布 ReactBench 揭露 AI 模型程式缺陷。
**ReactBench 核心目標**
Aiden Bai 指出，現有的程式開發基準測試往往只驗證程式碼是否能通過測試案例，卻忽略了實際生產環境中的品質問題。ReactBench 專為 React 程式開發 Agent 設計，要求模型不僅要通過行為測試，還必須通過「React Doctor」的靜態掃描，確保產出的程式碼不會出現無效的 `useEffect`、不必要的重新渲染（re-render）、無障礙存取問題或維護性缺陷。
**評測機制與任務類型**
ReactBench 採用 [Harbor](https://www.harborframework.com/docs/tasks) 框架，將測試環境與 Agent 隔離，確保評測的公正性。其任務類型涵蓋：
- **Write React**：要求 Agent 根據真實專案的 Issue 描述實作功能或修復錯誤，並通過隱藏的行為測試與 React Doctor 掃描。
- **Fix React**：要求 Agent 僅憑原始程式碼識別並重構 React 相關問題，且不得引入新的錯誤。
**模型效能觀察**
根據測試結果，目前主流模型在處理 React 任務時仍有顯著的品質落差，部分模型在 100 次嘗試中可能出現高達 67 次的 React 相關問題。
> 顯示各類 AI 模型在 ReactBench 基準測試中的 Pass@1 效能評比結果。
測試數據顯示，各模型表現如下：
- 「GPT 5.6 Sol (xhigh)」以 44% 的 Pass@1 效能位居榜首。
- 「Fable 5 (xhigh)」緊隨其後，效能達 41%，但 Aiden Bai 提醒其成本平均高出 6 倍。
- 「GPT 5.6 Terra (medium)」被認為是性價比最高的選擇，效能為 37%。
- 其他模型如「Opus 4.8 (max)」、「GLM 5.2 (high)」與「Sonnet 5 (max)」等亦在評測之列。
> 各模型在 ReactBench 中每 100 次試驗產生的新問題數：Claude Fable 5 以 17.3 個最少，GPT-5.6 Sol 以 18.5 個緊隨其後，Kimi K2.7 Code 則引入最多問題（67.4 個）。
> 本圖表比較了 OpenAI、Anthropic、Z.ai 及 Kimi 旗下各模型在 ReactBench 測試中的分數與平均每次 rollout 成本之間的權衡關係。
**如何參與測試**
ReactBench 為開源專案，歡迎開發者參與貢獻。若要進行本地測試，需確保已安裝 Docker 與 `uv`，並透過以下指令進行環境同步與執行：
```bash
git clone https://github.com/millionco/reactbench
cd reactbench
uv sync
# 執行單一任務測試
uv run harbor run -p tasks/ --agent -m
```
更多詳細資訊與完整評測數據，可參考 [ReactBench 官方網站](https://www.reactbench.com) 或閱讀其 [部落格文章](https://www.reactbench.com/blog)。
## 媒體內容
**顯示各類 AI 模型在 ReactBench 基準測試中的 Pass@1 效能評比結果。**
**影片中的 Prompt 與操作**
操作步驟：
1. 無
**各模型在 ReactBench 中每 100 次試驗產生的新問題數：Claude Fable 5 以 17.3 個最少，GPT-5.6 Sol 以 18.5 個緊隨其後，Kimi K2.7 Code 則引入最多問題（67.4 個）。**
**數據表**
| 項目 | 數值 |
| --- | --- |
| 圖例 | Bugs 874 · Performance 167 · Accessibility 48 · Maintainability 48 |
| Fable 5 | Bugs標記值 57 · 每100次試驗新問題數 17.3 |
| GPT-5.6 Sol | Bugs標記值 108 · 每100次試驗新問題數 18.5 |
| Opus 4.8 | Bugs標記值 122 · 每100次試驗新問題數 23.1 |
| GPT-5.6 Terra | Bugs標記值 138 · 每100次試驗新問題數 25.6 |
| Sonnet 5 | Bugs標記值 120 · 每100次試驗新問題數 26.5 |
| GPT-5.6 Luna | Bugs標記值 164 · 每100次試驗新問題數 29.6 |
| GLM 5.2 | Bugs標記值 102 · 每100次試驗新問題數 35.3 |
| Kimi K2.7 Code | Bugs標記值 63 · 每100次試驗新問題數 67.4 |
## 標籤
Benchmark, Agent, React, 開源專案, React, Aiden Bai