{"id":152,"date":"2026-01-20T00:00:00","date_gmt":"2026-01-19T23:00:00","guid":{"rendered":"https:\/\/helloblog.io\/hr\/wp-bench-wordpress-ai-benchmark\/"},"modified":"2026-01-20T00:00:00","modified_gmt":"2026-01-19T23:00:00","slug":"wp-bench-wordpress-ai-benchmark","status":"publish","type":"post","link":"https:\/\/helloblog.io\/hr\/wp-bench-wordpress-ai-benchmark\/","title":{"rendered":"WP-Bench: slu\u017ebeni WordPress AI benchmark koji kona\u010dno mjeri \u201czna\u0161 li WordPress?\u201d"},"content":{"rendered":"\n

AI modeli sve bolje pi\u0161u kod, ali WordPress je specifi\u010dna zvijer: hookovi, capabilites, core API-jevi, coding standards, kompatibilnost unatrag i tisu\u0107u na\u010dina da slu\u010dajno napravi\u0161 sigurnosnu rupu. Upravo zato je zanimljiva vijest da WordPress projekt gura WP-Bench<\/a> kao slu\u017ebeni AI benchmark fokusiran ba\u0161 na WordPress development.<\/p>\n\n\n\n

Ideja je jednostavna: umjesto generi\u010dkih zadataka tipa \u201cnapi\u0161i REST endpoint\u201d, WP-Bench testira koliko model razumije WordPress koncepte i mo\u017ee li isporu\u010diti kod koji stvarno radi u WordPress runtimeu, uz provjere standarda i sigurnosti.<\/p>\n\n\n\n

\u0160to je WP-Bench i kome je namijenjen<\/h2>\n\n\n\n

WP-Bench je benchmark (standardizirani set testova) za evaluaciju LLM-ova (large language models) u kontekstu WordPressa. Pokriva dvije velike zone: teorijsko razumijevanje (znanje) i prakti\u010dnu isporuku koda (izvr\u0161avanje).<\/p>\n\n\n\n

Ako radi\u0161 na AI-powered pluginovima, internim alatima ili samo bira\u0161 coding assistant za WordPress projekte, ovakav benchmark je koristan jer ti daje usporedivu metriku za WordPress-specifi\u010dne zadatke, a ne op\u0107i dojam \u201cdobro pi\u0161e PHP\u201d.<\/p>\n\n\n\n

Za\u0161to WordPressu treba poseban AI benchmark<\/h2>\n\n\n\n
    \n\n
  • WordPress je dominantna platforma<\/strong>, ali ve\u0107ina evaluacija AI modela je op\u0107enita i rijetko ulazi u specifi\u010dnosti WordPress ekosustava.<\/li>\n\n\n
  • WordPress development ima jasna pravila igre<\/strong>: coding standards, sanitization\/escaping, nonces, permission checks, pravilna uporaba hookova i API-ja.<\/li>\n\n\n
  • Novi API-ji se te\u0161ko \u201chvataju\u201d<\/strong>: WP-Bench namjerno nagla\u0161ava moderne stvari poput Abilities API-ja i Interactivity API-ja, gdje se modeli \u010desto spoti\u010du jer te zna\u010dajke dolaze nakon ve\u0107ine njihovih trening setova (prema samoj objavi).<\/li>\n\n\n
  • Transparentnost i usporedivost<\/strong>: cilj je i\u0107i prema javnom leaderboardu, kako bi rezultati bili provjerljivi i korisni za zajednicu.<\/li>\n\n<\/ul>\n\n\n\n

    Kako WP-Bench mjeri sposobnosti: Knowledge vs Execution<\/h2>\n\n\n\n

    WP-Bench razdvaja evaluaciju u dvije dimenzije:<\/p>\n\n\n\n

      \n\n
    • Knowledge<\/strong>: pitanja na vi\u0161e ponu\u0111enih odgovora koja ciljaju WordPress koncepte, core API-je, hookove, sigurnosne obrasce i coding standards (s naglaskom na modernije dodatke poput Abilities API-ja i Interactivity API-ja).<\/li>\n\n\n
    • Execution<\/strong>: zadaci generiranja koda koji se ocjenjuju tako da se kod zaista pokrene u WordPress runtimeu, uz stati\u010dku analizu i runtime asercije.<\/li>\n\n<\/ul>\n\n\n\n

      Prakti\u010dno, to zna\u010di da \u201cmodel zna objasniti \u0161to je wp_nonce_field()<\/code>\u201d nije dovoljno. Benchmark \u017eeli vidjeti mo\u017ee li model proizvesti kod koji pro\u0111e provjere i odradi zadatak u sandboxu bez lomljenja standarda i bez o\u010ditih sigurnosnih problema.<\/p>\n\n\n\n

      Kako izgleda ocjenjivanje (grading) u praksi<\/h2>\n\n\n\n

      Jedan detalj koji WP-Bench \u010dini zanimljivim je to \u0161to WordPress sam glumi ocjenjiva\u010da: generirani kod se \u0161alje u WordPress runtime i tamo prolazi kroz analize i testne asercije.<\/p>\n\n\n\n

        \n\n
      1. Harness \u0161alje prompt modelu i tra\u017ei WordPress kod za odre\u0111eni zadatak.<\/li>\n\n\n
      2. Generirani kod se proslje\u0111uje WordPress runtimeu kroz WP-CLI (CLI alat za upravljanje WordPressom).<\/li>\n\n\n
      3. Runtime radi stati\u010dke provjere: sintaksu, coding standards i sigurnosne aspekte.<\/li>\n\n\n
      4. Kod se izvr\u0161ava u sandboxiranom okru\u017eenju, uz test asercije koje provjeravaju o\u010dekivano pona\u0161anje.<\/li>\n\n\n
      5. Rezultati se vra\u0107aju kao JSON sa scoreovima i detaljnim feedbackom.<\/li>\n\n<\/ol>\n\n\n\n
        \n\n

        Za\u0161to je ovo bitno<\/h4>\n\n\n

        Kod \u201cAI evaluacija\u201d \u010desto je problem \u0161to se ocjenjuje samo tekstualni output. Ovdje je naglasak na tome da se WordPress kod stvarno pokrene i provjeri, \u0161to je bli\u017ee realnom developmentu.<\/p>\n\n<\/div>\n\n\n\n

        Brzi start: pokretanje WP-Bench-a lokalno<\/h2>\n\n\n\n

        WP-Bench repozitorij je organiziran tako da ima Python dio (harness) i zaseban runtime dio (WordPress grader + konfiguracija). Minimalni put do prvog rezultata izgleda ovako.<\/p>\n\n\n\n

        1) Instalacija Python harnessa<\/h3>\n\n\n\n
        <\/circle><\/circle><\/circle><\/g><\/svg><\/span>