腾讯混元联合清华北大提出 WebCraftBench：让智能体实测 AI 生成的网页

腾讯混元联合清华、北大提出网页生成评测基准 WebCraftBench，把软件测试方法引入评测：用智能体真实操作网页，结合代码覆盖率与美观度、易用性、需求符合度三维打分。基准含 369 条真实需求、5,088 条验收标准，覆盖 17 个前沿模型生成的 6,273 个应用，在 197 组人类偏好对比中一致率达 85.3%。