Animation Bench 完整榜单:GPT-6 Astra 居首,动作一致性普遍拉胯
himanshustwts · x · 2026-10-01
Physera 补充发布 Animation Bench 详情:4 个前沿模型、48 个来自 32 家真实商业网站的任务、192 次重建。完整排行榜:
- GPT-6 Astra — 总分 0.594(视觉 0.710 / 动作 0.473 / 布局 0.628),赢得 27 个任务,$3.04/任务
- Claude Fable 5.1 — 0.548
- GPT-6 Sol — 0.516,成本最低仅 $0.45/任务
- Claude Opus 5.5 — 0.507
结论:模型能生成「看起来像」的网页动画,但复现页面行为(滚动、拖拽、交互触发)的能力普遍不足,动作一致性得分全线最低。团队表示关注前沿模型在多模态与商业场景的能力缺口。
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
- 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
- 16GB 显卡本地跑通全套 AI:生图作曲配音视频加 RAG 问答 — llama-of-death · 2026-11-16