为了解决这一问题，来自 University of Arizona、Zoom 与 Stony Brook University 的研究团队推出了 VISTA（VIsual Spec-To-App Benchmark）, 首个面向 Visual Spec-to-Web-App Coding Agents 的端到端 Benchmark … 随着 Claude Code、Codex、Cursor、GLM、GPT、Gemini 等模型及 Harness 持续迭代，排行榜也将不断刷新，持续记录 Coding Agent 的能力演进，而不仅仅停留在论文中的一次性实验结果 … 论文目前已发布于 arXiv，项目网站、Benchmark、评测代码以及在线 Leaderboard 已全部开源并且上线，并将持续测试最新模型，为社区提供一个开放、持续更新的软件工程评测平台。