VibeVideoBench 发布：评测多模态智能体代码生成视频，常败于时间管理

VibeVideoBench 发布，用于评测通过写代码生成视频的多模态智能体，涵盖游戏与体育、概念讲解、建造与流程、论文解读等任务。被测系统包括 Kimi K3、DeepSeek-V4.1、Gemini 4 和 GPT-6，顶级系统多数能满足核心要求，但常因时长控制不佳而失败。