Qwen 发布 RecreationBench:250 任务实测 AI 重建真实应用
burny_tech · x · 2026-09-21
Qwen 在 Hugging Face 上发布了 RecreationBench，一个包含 250 个任务的基准，横跨 Ubuntu、macOS、Windows、Android 和 Web 五个平台，专门测试混合式 computer-use 智能体从零重建真实应用的能力。
与常见截图点击类 computer-use 评测不同，该基准考察的是 agent 对真实应用的完整理解与复现能力，为评估端到端软件构建型 agent 提供了新的标尺。
所属事件:阿里 Qwen 团队发布 RecreationBench 评测混合操控智能体(2 条相关)→
「编程与Agent」频道最新
- 两人小公司用 46 个 AI Agent 运营：审批门禁、哈希锁文件与翻车复盘 — dkovl · 2026-11-12
- LlamaIndex 让 AI Agent 渗透测试自家 LlamaParse，四天暴露四条经验 — llama_index · 2026-11-12
- Manhattan 字体 v0.0.1：每个字母都是一个 Python 函数 — allanyu_ · 2026-11-12
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12
- Agent 会话跑了 51 分钟烧 24.8 万 token,网友直呼还在干活 — _Stocko_ · 2026-11-12
- 可视化 AI Agent 团队协作：每个 Agent 一间「房间」，共享知识库 — LiorAloni11 · 2026-11-12