主要来源lmarena.ai
查看原文事件专题 ·单一信源
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%。
当前结论
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 个信源73° AI 热度最后更新 2026/9/23 20:30:27
证据链
2 个信源相关来源 1Hunyuan
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。