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
- 模型一次性删掉 OpenClaw 超 100 万行测试代码,作者称还有 30-40 个同类 PR — vincent_koc · 2026-11-16
- shadcn 转评 UI 生成工具:一周工作量一键复现且可直接跑 AI 测试 — shadcn · 2026-11-16
- AI 模型一言不合删掉 4.3 万行测试代码,diff +90/-43,599 — vincent_koc · 2026-11-16
- 摩根大通展示内部 agent 流水线 Jarvis:数月工作缩至几分钟 — LangChain · 2026-11-16
- 开发者澄清:App Store 并未全面禁用 Feature Flags — talkaboutdesign · 2026-11-16
- 用户实测:Google Antigravity 效果不输 Claude Cowork,Gemini Tasks 定位存疑 — sebajun2 · 2026-11-16