OpenCompass Hub

WildClawBench

WildClawBench 从六个任务维度评测 AI 智能体：生产力流程、代码智能、社交互动、搜索与检索、创意合成和安全对齐。基准包含 60 个人工设计的任务，运行在配备真实工具（浏览器、bash、文件系统、电子邮件等）的真实环境中。