VisualWebBench

测一测多模态大模型在真实网页上有多能打

VisualWebBench 是一个针对多模态大语言模型（MLLMs）在网页理解与定位（Grounding）任务上的评估框架，源自同名论文。它解决的核心问题是：现有基准测试多聚焦于静态图像或纯文本，缺乏对模型在真实网页环境中综合能力的量化评测。该框架提供了一套标准化的测试集和评估协议，涵盖网页截图理解、元素定位、视觉问答等任务，能够自动计算模型在网页级任务上的准确率、定位精度等指标。其核心能力包括：支持多种主流 MLLM 的接入、提供可复现的评估流程、以及细粒度的任务分解（如文本识别、布局理解、图标定位）。通过该框架，研究者可以横向对比不同模型的网页理解能力，推动多模态模型在网页交互场景中的落地。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 68

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队VisualWebBench

所属国家

官网地址https://visualwebbench.github.io

GitHubhttps://github.com/VisualWebBench/VisualWebBench

定价模式free

价格说明开源评估框架，完全免费，需自行部署使用。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型computer-vision,deep-learning,evaluation,foundation-models,large-language-models,large-multimodal-models,llm,llms,machine-learning,mllm,multimodal,multimodal-deep-learning,multimodal-large-language-models,natural-language-processing,question-answering,visual-question-answering

GitHub 星标★ 68

30天Star增速

HF 下载量

上线时间2024-04-02 00:00:00

最近更新2026-06-05 00:00:00

维护状态低维护

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

首个专门针对网页理解与定位的评估基准，填补空白
提供标准化测试集和自动化评分脚本，结果可复现
任务设计贴近真实网页场景（截图+DOM），实用性强

不足之处

项目处于早期，文档和社区支持待观察
测试集规模可能有限，覆盖网页类型不够广泛

适用场景

多模态模型研发中对比网页理解能力
评估模型在网页自动化操作（如智能代理）中的表现
学术研究中验证新方法在网页任务上的有效性

替代项目

WebArena、Mind2Web、WebVoyager

项目介绍

VisualWebBench 是评测安全领域的开源项目，由 VisualWebBench 开发，2024 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 68。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-05。开源评估框架，完全免费，需自行部署使用。

它主要面向的使用场景是：多模态模型研发中对比网页理解能力。同类可对比的替代方案包括 WebArena、Mind2Web、WebVoyager。

上一篇：ClassEval

下一篇：RWKU