Unverified50% confidenceBenchmarkExact time
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
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
8/21/2026
First Seen
Valid until: 11/19/2026
Sources
Related Claims
UnverifiedWebArena、OSWorld等基准测试环境用于标准化智能体任务的评估框架69% similarUnverified清华大学和智谱AI联合发布了一项全栈Web开发基准测试66% similarUnverifiedWeb 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66% similarUnverifiedOpenAI内部测试数据显示，经过思维链分解的提示词在结构化任务上的准确率平均提升约30%-40%65% similarUnverifiedWebhook监控领域已有Hookdeck、Svix、Webhook.site等成熟工具，多聚焦于投递可靠性、重试机制和调试面板64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/783952API
curl https://kongchang.com/api/v1/knowledge/claims/783952MCP
get_claim(id=783952)