腾讯混元等提出 WebCraftBench：面向 AI 网页生成的实测评测基准

腾讯混元团队联合清华大学、北京大学提出 AI 网页生成评测基准 WebCraftBench，引入代码覆盖率引导智能体实际操作网页，并从美观度、易用性和需求符合度三个维度打分。该基准包含 369 条真实需求与 5,088 条验收标准，在 17 个前沿模型实测中 Claude-Opus-5 综合排名第一，且在 197 组对比中与人类偏好的判断一致率达 85.3%。