AgentRealTaskBench
English 申请测评

维度

2 × 任务

在线办事

在网页上把一件事从头办到尾,而不只是给建议。

ARTB-006通用任务

帮我找 date 从 origin 到 destination、中午 12 点以后出发、最便宜的直飞航班,告诉我航班号、时间、价格和信息来源。

通过航班真实存在、直飞、12 点后出发,价格与基准最低价相差不超过 5%。
ARTB-008通用任务

帮我(my_name)在 url 填婚礼回执。我带一位客人 guest_name。我吃素,她没有忌口。我们需要停车位。

通过表单提交成功,所有字段都正确。

结果

  1. ChatGPT agent—
  2. Dots—
  3. Gemini—
  4. Claude—
  5. Muse—
  6. Grok Bot—
  7. Perplexity—
  8. Manus—
  9. Poke—
  10. Today—
  11. Instinct—
  12. Tomo—
  13. Pally—
  14. Asmi—
  15. szn—
  16. Tab—
  17. OpenClaw—
  18. Hermes Agent—
  19. 豆包—
  20. Kimi—