WebArena-VerifiedAgent

官方网站

WebArena-Verified 是 WebArena 的验证版本，评估网页 Agent 在真实网站环境中完成购物、论坛、知识管理、开发协作等任务的能力。验证集强调任务可复现性和评分可靠性。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

71.3%

2

Claude Opus 4.8Anthropic

71.2%

3

GPT-5.6 SolOpenAI

69.7%

4

Gemini 3.1 ProGoogle

69.0%

5

Muse Spark 1.1Meta

69.0%

6

GPT-5.5OpenAI

67.0%

7

Qwen3.8-Max阿里巴巴

66.8%

8

Qwen3.8-27B阿里巴巴

64.8%

9

Muse SparkMeta

59.0%

10

Qwen3.7-Plus阿里巴巴

55.3%

共 11 个模型

返回基准目录

WebArena-VerifiedAgent

官方网站

WebArena-Verified 是 WebArena 的验证版本，评估网页 Agent 在真实网站环境中完成购物、论坛、知识管理、开发协作等任务的能力。验证集强调任务可复现性和评分可靠性。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

71.3%

2

Claude Opus 4.8Anthropic

71.2%

3

GPT-5.6 SolOpenAI

69.7%

4

Gemini 3.1 ProGoogle

69.0%

5

Muse Spark 1.1Meta

69.0%

6

GPT-5.5OpenAI

67.0%

7

Qwen3.8-Max阿里巴巴

66.8%

8

Qwen3.8-27B阿里巴巴

64.8%

9

Muse SparkMeta

59.0%

10

Qwen3.7-Plus阿里巴巴

55.3%

共 11 个模型