AgentRealTaskBench
English 申请测评

维度

3 × 任务

推荐质量

推荐的东西真实存在、满足全部条件,并说明理由。

ARTB-007通用任务

给我妈 60 岁生日推荐 area 附近的 3 家餐厅,8 个人,要包间,人均 budget 左右,说说每家为什么合适。

通过3 家都真实存在且在营业,有包间(电话或页面核实),人均在预算上下 30% 以内。
ARTB-017通用任务

这周社交媒体上大家怎么评价 product?给我 5 条真实的帖子和链接,再用一句话总结。

通过5 个链接都能打开,都是关于这个产品的真实帖子,都发布于 7 天以内。
ARTB-G05本地任务 · 海外应用

找 3 家距离 venue 1 公里以内的酒店,dates 入住,每晚低于 budget,可以免费取消。

通过3 家都真实存在,满足距离、价格和免费取消条件。

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—