SaaS-Bench

SaaS-Bench 是一个面向 GUI 智能体的本地化 SaaS 工作流基准评测框架，用于评估大语言模型驱动的浏览器操作代理在真实业务场景中的任务完成能力。它提供 106 个覆盖 6 大领域（如项目管理、医疗、软件开发、农业、媒体等）的可复现任务，并集成 23 个开源可自托管 SaaS 应用；支持文本（uni-m）与多模态（multi-m）双轨评测，验证逻辑通过运行时应用状态检查实现。适用于 AI 代理研发、人机交互评估及自动化工作流能力测试等研究与工程场景。