任务集 v1.0 · 海外本地
ARTB-G01 · v1.0
Amazon、Walmart、Target 比价
场景
同一件商品，今天哪家最便宜？
我们对 agent 说的话
比较 {product} 现在在 Amazon、Walmart、Target 的价格，附链接。
每轮更换的参数
{product}
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
- 3 个价格都与基准相差不超过 5%，是同一型号，链接能打开，最便宜的店判断正确。
部分通过
- 3 个价格里有 2 个正确。
失败
- 正确的不超过 1 个，或者编造价格。
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 |