已过期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(已过期)

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

引用此条事实

Stable URI

https://kongchang.com/claim/51767

API

curl https://kongchang.com/api/v1/knowledge/claims/51767

MCP

get_claim(id=51767)