待验证50% 置信事实精确时间
Previous benchmarks for AI web development only tested static pages or isolated code snippets, not full-stack systems.
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Tsinghua and Zhipu Release Full-Stack Web Dev Benchmark: Top AI Models Fail Spectacularly
bilibili跟我学一辈子AI吧2026/5/22
相关事实
待验证Theo在测试Codex Max进行AI SDK升级任务时遭遇严重问题：搜索工具报错崩溃、模型引入大量as any类型断言破坏TypeScript类型安全、从未主动运行tsc进行类型检查62% 相似待验证突变测试通过对源代码进行小规模随机修改后运行现有测试套件，若测试未检测到突变体则说明测试覆盖存在盲区，主流工具包括 Java 的 PIT、Python 的 mutmut、JavaScript 的 Stryker60% 相似待验证Portel七个月里从未坐下来完整读过AI生成的代码，只做了编译通过和Happy Path测试的最低限度审查59% 相似待验证现有基准测试如WebSRC、Design2Code主要衡量结构还原度，并不涉及品位判断59% 相似待验证WebApp UI 自动化测试通常基于 Selenium、Playwright 或 Cypress 等框架实现，核心挑战在于页面元素定位的稳定性和测试脚本的可维护性59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/50422API
curl https://kongchang.com/api/v1/knowledge/claims/50422MCP
get_claim(id=50422)