AITOPAI热报
Event ·Single source

腾讯混元联合 LMArena 推出 WebCraftBench 基准

腾讯混元团队基于 Code Arena 内部复刻环境收集的 369 条真实请求，构建了网页生成基准 WebCraftBench。该基准覆盖口语化描述、指令不完整、需求范围不一等真实使用场景，让智能体实际操作生成的应用并进行评分。基准对 17 个模型排名，与 Code Arena 排行榜的相关性达 0.89。在 197 组人工验证样本上，其评分与人类偏好一致率为 85.3%。

Current read

腾讯混元做了个新基准 WebCraftBench，用 369 条真实需求测 AI 写网页到底靠不靠谱，测了 17 个模型，和 Code Arena 榜单相关性 0.89。

2 sources73° AI heatLast updated 2026/9/23 20:30:27

Evidence

2 sources

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.

Open the story