Animation Bench 发布：四款前沿模型复现真实网页动画大比拼
himanshustwts · x · 2026-10-01
Physera 团队发布 Animation Bench，首个评估前沿模型「网页动画复现」能力的 benchmark：4 个前沿模型、48 个来自真实网站的任务、共 192 次重建，从视觉相似度、动作一致性、布局正确性三个维度评分。
主要发现：模型的动作一致性（motion consistency）往往不完整甚至缺失，现有评测方法难以区分「截图看起来像」和「可交付的前端重建」。
排行榜：GPT-6 Astra 总分 0.594 居首（motion 仅 0.473），Claude Fable 5.1 以 0.548 次之，GPT-6 Sol 0.516（$/task 低至 $0.45），Claude Opus 5.5 以 0.507 垫底。
所属事件:Animation Bench 发布：GPT-6 Astra 复现网页动画居首(4 条相关)→
「编程与Agent」频道最新
- 微软推出 Power BI Authoring MCP 服务器，自然语言改语义模型 — adnan_hashmi · 2026-10-01
- 新章示例展示:用决策模型 Jev 判断多智能体是否继续执行 — _nerdai_ · 2026-10-01
- 用决策模型 Jev 接管 Agent 循环终止判断，省掉多余 LLM 调用 — _nerdai_ · 2026-10-01
- 不同 agent 框架成本差异巨大，mini-swe 接近直推成本拿下最佳成绩 — xiye_nlp · 2026-10-01
- AI 硬件工程平台 Flow 融资 5000 万美元,估值 7.5 亿 — ZehanWang · 2026-10-01
- autoharness 自动从你的会话里生成 Claude Code 技能层 — dr_cintas · 2026-10-01