待验证50% 置信事件精确时间
清华大学和智谱AI联合发布了一项全栈Web开发基准测试
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
清华智谱发布全栈Web开发基准：顶级AI模型集体翻车
bilibili跟我学一辈子AI吧2026/5/22
相关事实
待验证Web Platform Tests（WPT）测试套件包含超过 170 万个测试用例，通过率是衡量浏览器引擎成熟度的重要指标69% 相似待验证WebArena、OSWorld等基准测试环境用于标准化智能体任务的评估框架69% 相似待验证WebArena、VisualWebArena基准测试框架显示，最先进的模型在复杂Web任务上的成功率仅在30%-60%之间66% 相似待验证当前主流AI测试工具包括GitHub Copilot、Testim、Applitools等，其底层原理是基于大语言模型（LLM）的代码生成与模式识别65% 相似待验证MiniWoB++、WebArena、OSWorld等学术基准测试为GUI Agent领域提供了标准化评估框架65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/51767API
curl https://kongchang.com/api/v1/knowledge/claims/51767MCP
get_claim(id=51767)