ClawBench

测测你的浏览器AI智能体，日常任务完成得怎么样

ClawBench 是一个开源的浏览器 AI 智能体基准测试项目，专注于评估 AI 智能体在真实日常任务中的表现。它解决了当前浏览器智能体缺乏统一、贴近真实场景评测标准的问题，提供了一套涵盖购物、订票、信息查询等日常操作的测试任务集。核心能力包括：自动化任务生成与验证、多智能体框架兼容（如 browser-use）、可扩展的测试场景定义，以及详细的性能报告。通过模拟真实用户操作，帮助开发者量化智能体的任务完成率、步骤效率和鲁棒性，从而推动浏览器 AI 智能体的迭代优化。

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 834

维护状态活跃

是否开源是

定价模式 free

项目数据

分类智能体

开发团队TIGER-AI-Lab

所属国家

官网地址https://claw-bench.com

GitHubhttps://github.com/TIGER-AI-Lab/ClawBench

定价模式free

价格说明开源基准测试项目，官网提供在线体验，核心功能免费。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent-evaluation,agentic-ai,ai-agent-benchmark,ai-agents,benchmark,browser-agent,browser-automation,browser-use,chrome-agent,chrome-extension,computer-use,dataset,evaluation,everyday-tasks,llm,llm-evaluation,online-tasks,real-world-benchmark,web-agent,web-agents

GitHub 星标★ 834

30天Star增速

HF 下载量

上线时间2026-04-10 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

聚焦真实日常任务，评测结果贴近实际使用价值
支持多智能体框架接入，便于横向对比
任务场景可扩展，社区可贡献新用例

不足之处

早期项目，测试任务覆盖范围有限
文档/社区待观察

适用场景

浏览器AI智能体开发者的性能评测与调优
对比不同智能体框架的日常任务完成能力
学术研究中的智能体能力基准测试

替代项目

WebArena、Mind2Web、GAIA

项目介绍

ClawBench 是评测安全领域的开源项目，由 TIGER-AI-Lab 开发，是 2026 年新上线的项目。

在全站 13,090 个收录项目中，它的 GitHub 星标数（834）位列前 30%，在评测安全分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。开源基准测试项目，官网提供在线体验，核心功能免费。从国内网络环境看，可直接访问。

它主要面向的使用场景是：浏览器AI智能体开发者的性能评测与调优。同类可对比的替代方案包括 WebArena、Mind2Web、GAIA。

上一篇：superpowers-evals

下一篇：halo-record