我让 AI 模型构建 Web 应用，多数在页面里塞了个假服务器

Kaggle Benchmarking Challenge 参赛项目 RealityBench：给模型 12 个小 Web 应用的需求规格，用无头浏览器模拟真实用户行为——服务器返回 500 或 409“名额已被占用”、用户双击支付、提交空表单、负数数量或上传 .exe 而非 PDF、仅用键盘操作、375px 手机屏幕。每个页面得到 Demo（正常路径可用且主操作真正到达服务器）和 Reality（上述异常条件下仍可用）两个 0–100 分，评分只计用户可见结果。作者称多数 AI 生成的页面把假服务器写在页面内，首版基准容易被钻空子。

AI推荐理由 RealityBench 用无头浏览器对 AI 生成的 12 个小 Web 应用做真实用户行为测试（500/409 响应、双击支付、空表单、负数数量、错误文件类型、纯键盘操作、375px 屏幕），并给出 Demo 与 Reality 两个 0–100 分，指出多数模型把“假服务器”写进页面。这是对 AI 编码能力可验证的负面证据，对评估 AI 生成代码的可靠性有实际价值；局限是正文未给出完整模型排名与样本量。