跳到主内容
知行录
leaderboard.cn
Toggle Sidebar
搜索
⌘K
分析
前沿模型
历史趋势
本地模型
模型对比
资料库
模型库
模型价格
厂商
基准评测
数据源
显示模式
Toggle Sidebar
知行录
leaderboard.cn
正在加载页面内容
正在加载基准详情
返回
WebArena-Verified
Agent
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。
分享
官方网站
排行
数据源
#
模型
得分 (%)
厂商
来源
1
Claude Opus 4.8
71.2
Anthropic
Meta Muse Spark 1.1 Evaluation Report
2
Muse Spark 1.1
69
Meta
Meta Muse Spark 1.1 Evaluation Report
3
Gemini 3.1 Pro
69
Google
Meta Muse Spark 1.1 Evaluation Report
4
GPT-5.5
67
OpenAI
Meta Muse Spark 1.1 Evaluation Report
5
Muse Spark
59
Meta
Meta Muse Spark 1.1 Evaluation Report
