为什么重要
OpenClaw 的四维选型基准——成功率/速度/成本/价值。直接面向开发者的”用哪个模型最划算”问题。
构建方式与示例
600+ 标准化测试，50+ 模型。真实任务：调度会议、写代码、处理邮件。
返回评测
Agent Agent-编码 未饱和
模态 · 代码
任务 · 执行验证
PinchBench
专为 OpenClaw Agent 设计的 LLM 基准测试平台，对 50+ 模型进行 600+ 次标准化测试，从成功率/速度/成本/价值四维评估
Kilo AI ·
考察能力
编码Agent 任务规划 代码生成 邮件处理 会议调度
构建信息
- 数据规模
- 600+ standardized tests / 50+ models
- 构建方式
- 真实任务（非合成）
- 评测方式
- 成功率 + 速度 + 成本 + 价值综合
- 核心指标
- Success Rate (%)
模型效果排行
🥇 Claude Opus 4
#1 综合 2026-03
🥈 Gemini 2.5 Pro
#2 综合 2026-03
Agent OpenClaw 编码 模型选型 2026