品玩9月3日讯，据MetaGPT官方消息，他们近日发布全新 AI 开发能力评估基准RealDevWorld，通过 RealDevBench 数据集与 AppEvalPilot 框架，为 AI 代理在实际软件开发场景中的表现提供系统性评测。

该基准包含 194 项真实开发任务，覆盖显示（50.0%）、分析（18.6%）、游戏（17.0%）、数据（14.4%）四大类别，涉及金融追踪、市场分析等多领域场景，强调从需求理解到调试的端到端评估。其创新的 “代理即评委” 模式，通过自动化 GUI 测试与交互式评估，实现 92% 的评估准确率与 85% 的人类专家相关性。

实验数据显示，AppEvalPilot 框架在多项指标上超越传统 GUI 测试方法，效率提升 47%，评估时间缩短 33%、成本降低 77%。MGX（BoN-3）、Lovable 等模型在综合排行榜中表现突出，凸显 AI 在软件工程领域的应用潜力。该基准为行业提供了标准化评估工具，有望加速 AI 驱动的软件开发技术迭代。