AgentRealTaskBench
English 申请测评

维度

3 × 任务

出行

找到真实存在、符合条件的航班、火车和酒店。

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-C01本地任务 · 国内应用

查 date 从 origin 到 destination、18 点前到达的高铁二等座,列出车次、时间和票价。

通过列出的车次都存在、18 点前到达、票价与 12306 一致;最早的 3 个符合条件的车次没有遗漏。
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—