已收录文章摘要，完整内容可前往原文阅读。
论文导读 阿里巴巴、香港中文大学等机构提出RefCraft，用300项网页开发任务检验AI能否看懂参考图、按要求借用设计并做出可用功能。9款模型中，GPT-6 Astra综合得分最高，为52.12分