Animation Bench 发布:测编码 Agent 能否还原网页动效行为
himanshustwts · x · 2026-10-01
Physera 发布 Animation Bench v1.0,一个针对多模态编码 Agent 的新基准,核心主张是:现有截图对比只能衡量“长得像”,无法区分可交付的前端重建。基准要求 Agent 重建 48 个来自 32 个真实商业网站的真实网页动画,共 192 个重建样本,从视觉、动效(motion)、布局三个维度打分。
排行榜(总分 0-1):
- GPT-6 Astra:0.594,27 个任务第一,$3.04/任务
- Claude Fable 5.1:0.548,7 胜,$3.89/任务
- GPT-6 Sol:0.516,8 胜,仅 $0.45/任务
- Claude Opus 5.5:0.507,6 胜,$1.12/任务
值得关注的是 Motion 维度全场都低于 0.5(GPT-6 Astra 0.473),说明前沿模型可以做到视觉高保真(0.63-0.71),但还原滚动、拖拽、WebGL 等交互动效的能力仍是明显短板。示例任务包括 Wispr Flow 开关、Pudding 词云、Monopo WebGL 分区等。附录提供全部任务集与参考-重建对比。
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