WebArena
在可自行部署的真实网站环境中执行网页任务，按任务成功率排名。
收录成绩4847 个模型或系统
当前第一86.1Narada AI Code
指标任务成功率成功完成的任务占比（%）
最近同步10-16 17:001 个数据源 · 任务执行
排名表
显示 48 / 48
| 模型 | 机构 | 参数 | 开源 | 评测设置 | 来源 | 备注 | |||
|---|---|---|---|---|---|---|---|---|---|
| 1 | Narada AI Code | — | — | — | 86.1 | — | 论文报告 | 2026-10-16 | 结果来源：Narada AI Code；代码开源：否 |
| 2 | WebTactix（Deepseek v3.2） | — | — | — | 74.3 | — | 论文报告 | 2026-10-16 | 结果来源：WebTactix；代码开源：是 |
| 3 | OpAgent | — | — | — | 71.6 | — | 论文报告 | 2026-10-16 | 结果来源：OpAgent；代码开源：是 |
| 4 | ColorBrowserAgent | — | — | — | 71.2 | — | 论文报告 | 2026-10-16 | 结果来源：ColorBrowserAgent；代码开源：是；ite-specific knowledge adaptation & progressive summarization for long-horizon tasks. |
| 5 | GBOX AI（Claude Code + GBOX MCP） | — | — | — | 68.0 | — | 论文报告 | 2026-10-16 | 结果来源：GBOX AI；代码开源：是 |
| 6 | DeepSky Agent | — | — | — | 66.9 | — | 模型方自报 | 2026-10-16 | 结果来源：Self-reported；代码开源：否 |
| 7 | Narada AI | — | — | — | 64.2 | — | 模型方自报 | 2026-10-16 | 结果来源：Self-reported；代码开源：否 |
| 8 | IBM CUGA | — | — | — | 61.7 | — | 论文报告 | 2026-10-16 | 结果来源：IBM CUGA；代码开源：是 |
| 9 | OpenAI CUA（OpenAI Operator） | — | — | — | 58.1 | — | 论文报告 | 2026-10-16 | 结果来源：OpenAI CUA；代码开源：否；System card |
| 10 | https://www.jace.ai/ | — | — | — | 57.1 | — | 论文报告 | 2026-10-16 | 结果来源：Reported by zetalabs.ai；代码开源：否；Note from the developer of the work, see the comment of the cell |
| 11 | WebChallenger（GLM-4-32B + Qwen2.5-VL-7B） | — | 32B + 7B | — | 56.3 | — | 论文报告 | 2026-10-16 | 结果来源：WebChallenger；代码开源：是 |
| 12 | WebOperator + GPT-4o | — | — | — | 54.6 | — | 论文报告 | 2026-10-16 | 结果来源：WebOperator；代码开源：是 |
| 13 | ScribeAgent + GPT-4o | — | — | — | 53.0 | — | 论文报告 | 2026-10-16 | 结果来源：ScribeAgent；代码开源：否；ScribeAgent is finetuned with proprietary data |
| 14 | AgentSymbiotic | — | — | — | 52.1 | — | 论文报告 | 2026-10-16 | 结果来源：AgentSymbiotic；代码开源：是；Code |
| 15 | Learn-by-Interact | — | — | — | 48.0 | — | 论文报告 | 2026-10-16 | 结果来源：Learn-by-interact；代码开源：是 |
| 16 | AgentOccam-Judge | — | — | — | 45.7 | — | 论文报告 | 2026-10-16 | 结果来源：AgentOccam-Judge；代码开源：是 |
| 17 | Agent-as-Annotators（A3-Qwen3.5-9B） | — | 9B | — | 42.1 | — | 论文报告 | 2026-10-16 | 结果来源：Agent-as-Annotators；代码开源：是；Multimodal (AXTree + screenshots). SFT on 2,322 synthetic trajectories from Gemini 3 Pro. Evaluated using GenericAgent/BrowserGym. |
| 18 | WebPilot | — | — | — | 37.2 | — | 论文报告 | 2026-10-16 | 结果来源：WebPilot；代码开源：否；No open source code or trajectory released from the work |
| 19 | Beyond Browsing（GUI-API Hybrid Agent） | — | — | — | 35.8 | — | 论文报告 | 2026-10-16 | 结果来源：Beyond Browsing；代码开源：是；Using both API and GUI |
| 20 | AWM（Agent Workflow Memory） | — | — | — | 35.5 | — | 论文报告 | 2026-10-16 | 结果来源：AWM；代码开源：是 |
| 21 | SteP | — | — | — | 33.5 | — | 论文报告 | 2026-10-16 | 结果来源：SteP；代码开源：是；High-level plans are derived by human |
| 22 | TTI | — | 12B | — | 26.1 | — | 论文报告 | 2026-10-16 | 结果来源：TTI；代码开源：是 |
| 23 | BrowserGym + GPT-4 | — | — | — | 23.5 | — | 论文报告 | 2026-10-16 | 结果来源：WorkArena；代码开源：是；different observation representation |
| 24 | AgentTrek-1.0-32B | — | 32B | — | 22.4 | — | 论文报告 | 2026-10-16 | 结果来源：AgentTrek；代码开源：是 |
| 25 | Auto Eval & Refine（GPT-4 + Auto Eval） | — | — | — | 20.2 | — | 论文报告 | 2026-10-16 | 结果来源：Auto Eval & Refine；代码开源：是 |
| 26 | Tree Search for LM Agents（GPT-4o + Tree Search） | — | — | — | 19.2 | — | 论文报告 | 2026-10-16 | 结果来源：Tree Search for LM Agents；代码开源：是 |
| 27 | AutoWebGLM | — | 7B | — | 18.2 | — | 论文报告 | 2026-10-16 | 结果来源：AutoWebGLM；代码开源：是 |
| 28 | NNetscape（NNetNav） | — | 8B | — | 16.3 | — | 论文报告 | 2026-10-16 | 结果来源：NNetscape；代码开源：是；LLama 3.1-8B-instruct fine-tuned on NNetNav6k (a newer version of the dataset where the work keeps the best of 3 trajectories for each instruction, where we use a llama 3.1 70b as the reward model). The model is available here: https://huggingface.co/stanfordnlp/llama8b-nnetna… |
| 29 | gpt-4-0613 | — | — | — | 14.9 | — | 官方榜单 | 2026-10-16 | 结果来源：WebArena；代码开源：是；when "not achievable" hint is not provided |
| 30 | gpt-4o-2024-05-13 | — | — | — | 13.1 | — | 官方榜单 | 2026-10-16 | 结果来源：WebArena Team；代码开源：是；when "not achievable" hint is provided |
| 31 | gpt-4-0613 | — | — | — | 11.7 | — | 官方榜单 | 2026-10-16 | 结果来源：WebArena；代码开源：是；when "not achievable" hint is provided |
| 32 | Patel et al + 2024 | — | 72B | — | 9.4 | — | 论文报告 | 2026-10-16 | 结果来源：Patel et al + 2024；代码开源：是 |
| 33 | gpt-3.5-turbo-16k-0613 | — | — | — | 8.9 | — | 官方榜单 | 2026-10-16 | 结果来源：WebArena；代码开源：是 |
| 34 | Qwen-1.5-chat-72b | — | 72B | — | 7.1 | — | 论文报告 | 2026-10-16 | 结果来源：Patel et al + 2024；代码开源：是 |
| 35 | Gemini Pro | — | — | — | 7.1 | — | 官方榜单 | 2026-10-16 | 结果来源：WebArena；代码开源：是 |
| 36 | Llama3-chat-70b | — | 70B | — | 7.0 | — | 官方榜单 | 2026-10-16 | 结果来源：WebArena Team；代码开源：是 |
| 37 | Synatra-CodeLLama7b | — | 7B | — | 6.3 | — | 论文报告 | 2026-10-16 | 结果来源：Synatra；代码开源：是 |
| 38 | Lemur-chat-70b | — | 70B | — | 5.3 | — | 论文报告 | 2026-10-16 | 结果来源：Lemur；代码开源：是 |
| 39 | Agent Flan | — | 7B | — | 4.7 | — | 论文报告 | 2026-10-16 | 结果来源：Agent Flan；代码开源：是 |
| 40 | Llama2（CodeLlama-instruct-34b） | — | 34B | — | 4.1 | — | 论文报告 | 2026-10-16 | 结果来源：Lemur；代码开源：是 |
| 41 | Agent Tuning（AgentLM-70b） | — | 70B | — | 3.8 | — | 论文报告 | 2026-10-16 | 结果来源：Agent Tuning；代码开源：是 |
| 42 | Llama3-chat-8b | — | 8B | — | 3.3 | — | 官方榜单 | 2026-10-16 | 结果来源：WebArena Team；代码开源：是 |
| 43 | CodeAct Agent | — | 7B | — | 2.3 | — | 官方榜单 | 2026-10-16 | 结果来源：WebArena Team；代码开源：是 |
| 44 | Agent Tuning（AgentLM-13b） | — | 13B | — | 1.6 | — | 论文报告 | 2026-10-16 | 结果来源：Agent Tuning；代码开源：是 |
| 45 | Mixtral | — | 8x7B | — | 1.4 | — | 论文报告 | 2026-10-16 | 结果来源：Gemini In-depth look；代码开源：是 |
| 46 | Agent Tuning（AgentLM-7b） | — | 7B | — | 0.7 | — | 论文报告 | 2026-10-16 | 结果来源：Agent Tuning；代码开源：是 |
| 47 | FireAct | — | 7B | — | 0.3 | — | 论文报告 | 2026-10-16 | 结果来源：Agent Flan；代码开源：是 |
| 48 | CodeLlama-instruct-7b | — | 7B | — | 0.0 | — | 官方榜单 | 2026-10-16 | 结果来源：WebArena Team；代码开源：是 |
榜单说明
第 1 批接入- 指标
- 任务成功率：成功完成的任务占比（%）（越高越好）
- 数据源
- 来源类型
- 官方榜单 9论文报告 37模型方自报 2
分数取自数据源原文；同一模型在不同评测设置或不同来源下分别列出，来源冲突时全部保留并标注来源类型。
更新记录
0 条首次同步作为基线，之后新上榜、分数变化和移除的条目会记录在这里。