WebArena
网页已核验最近更新 2026-10-04
在自建的真实网站复刻环境中执行端到端浏览器任务。
WebArena 的成功率从 2023 年的约 15% 升至 2026 年初的 74.3%，最强 Agent 与 78.24% 的人类基线之间仅剩约四个百分点。
关键事实
| 2026 前沿 | OpAgent 71.6%（2026-01）；WebTactix 74.3%（2026-02） |
|---|---|
| 人类基线 | 78.24% (original paper) |
| 可信度 | 可信度较高：与 78.24% 人类基线之间的剩余差距是真实能力差而非假象。进展很快——从 2023 年的约 15% 升到 2026 年初的 74.3%。 |
| 核验状态 | 已核验 |
| 来源 | WebArena leaderboard / Stanford HAI AI Index 2026 |
FAQ
WebArena 测的是什么？
在自建的真实网站复刻环境中执行端到端浏览器任务。
WebArena 的 2026 年前沿水平是多少？
OpAgent 71.6%（2026-01）；WebTactix 74.3%（2026-02）
WebArena 可信吗？
可信度较高：与 78.24% 人类基线之间的剩余差距是真实能力差而非假象。进展很快——从 2023 年的约 15% 升到 2026 年初的 74.3%。