已收录文章摘要，完整内容可前往原文阅读。
随着多模态大模型（MLLMs）从“看图说话”走向“替人上网”，Web Agent 正在进入更开放、更复杂的执行环境：自动订票、跨应用检索、填写表单，甚至跨渠道协同完成任务。这意味着，评测智能体不仅要看