为什么重要
AssistantBench 评估 Web Agent 作为通用助手在开放网络上回答问题的能力——需要自主浏览网页、收集信息、综合回答。
构建方式与示例
214 个需要网络浏览的开放问题。例如：“找到纽约市评分最高的 5 家意大利餐厅及其地址和价格范围。“
关联基准与展望
关联：GAIA、BrowseComp。不足：开放网络环境不可控。
返回评测
Agent Agent-深度研究 未饱和
模态 · 文本
任务 · 开放生成
AssistantBench
214 个需要在真实网站上执行的助手任务，评估模型作为日常 Web 助手的实用性
Hebrew Univ & Google ·
考察能力
Web助手 信息检索 任务执行 实用性
构建信息
- 数据规模
- 214 tasks
- 评测方式
- 标准评测
- 核心指标
- Accuracy (%)
资源链接
模型效果排行
🥇 GPT-5 + Tools
35.2%
🥈 Claude Opus 4
28.6%
Agent Web助手 实用