任务集 v1.0 · 中国本地
ARTB-C01 · v1.0
12306 查高铁
场景
周末坐高铁回家。
我们对 agent 说的话
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。
每轮更换的参数
{origin}{destination}{date}
提示词模板是公开的，具体参数在每轮结果发布时一起公开。
判定标准
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。
部分通过
- 车次真实，但有票价错误，或者漏了靠前的符合条件车次。
失败
- 编造车次，或者不符合条件。
保留的证据
screen_recording, baseline_screenshots
结果
| 豆包 | 未测 |
| Kimi | 未测 |
| 腾讯元宝 | 未测 |
| 扣子空间 | 未测 |
| AutoGLM | 未测 |
| ChatGPT agent | 未测 |
| Gemini | 未测 |
| Manus | 未测 |
| OpenClaw | 未测 |
| Hermes Agent | 未测 |