日前，Pinchbench更新了一份評(píng)測(cè)報(bào)告。

　　 該報(bào)告 通過(guò)標(biāo)準(zhǔn)化的 OpenClaw agent 測(cè)試任務(wù)，對(duì)不同大模型在真實(shí)任務(wù)中的成功率、成本和速度等，進(jìn)行了橫向?qū)Ρ取?/p>

　　成功率指標(biāo)看，排名最高的是 Google Gemini 3 Flash 系列，平均成功率達(dá)到 95.1%。緊隨其后的是 MiniMax M2.1（93.6%） 和月之暗面Kimi K2.5（93.4%）。

　　這三款模型都超過(guò)了 93%，說(shuō)明在自動(dòng)化任務(wù)執(zhí)行能力上已經(jīng)非常穩(wěn)定。

　　Anthropic Claude 系列表現(xiàn)也比較均衡。其中 Claude Sonnet 約 92.7%，Claude Haiku 90.8%，而 Claude Opus 4 在 88%—90% 左右。

　　OpenAI 方面，GPT-5 Nano 成功率 85.8%，GPT-4o 為 85.2%，GPT-4o Mini 為 83.4%。雖然沒(méi)有進(jìn)入第一梯隊(duì)，但穩(wěn)定處于中上水平。

　　國(guó)產(chǎn)模型里，Qwen3-Coder-Next 85.4%、GLM-4.5-Air 85.4%，整體表現(xiàn)也比較接近。

　　把成本因素一起看，情況就更有意思了。

　　成本榜單顯示，完成一次標(biāo)準(zhǔn)任務(wù) 最便宜的模型是 GPT-5 Nano，僅約 0.03 美元。第二是 Gemini 2.5 Flash，約 0.05 美元，第三是 Mistral Devstral，約 0.10 美元。

　　而高性能模型往往更貴，比如 Claude Sonnet 約 3.07 美元，Claude Opus 超過(guò) 5 美元。

　　 從“性能 vs 成本”的圖來(lái)看， 最具性?xún)r(jià)比的區(qū)域集中在左上角 ：成功率高，同時(shí)成本低。

　　這個(gè)區(qū)域主要包括Gemini 3 Flash、MiniMax M2.1、Kimi K2.5、GPT-5 Nano

　　其中 GPT-5 Nano雖然成功率不是最高，但因?yàn)閮r(jià)格極低，被認(rèn)為是“最劃算”的模型之一。

　　速度方面則是另一套排名。

　　最快的是 MiniMax M2.5，完成一次任務(wù) 約 105.96 秒。

　　隨后是 Gemini 2.0 Flash（106.05 秒） 和 Llama 3 系列（約 106 秒）。

　　而一些性能更強(qiáng)的大模型明顯更慢。例如GPT-4o 約 190 秒，Claude Sonnet 約 137 秒，Kimi K2.5 約 291 秒，DeepSeek V3 約 622 秒。

　　這說(shuō)明，模型越大、推理越復(fù)雜，速度往往越慢。

　　綜合這四個(gè)維度，可以看到大模型在養(yǎng)“龍蝦”方面的一些特點(diǎn)。

　　作為用戶而言，通過(guò)評(píng)測(cè)結(jié)果大概可有的結(jié)論是：MiniMax-M2.1或Kimi K2.5極致性?xún)r(jià)比（成功率93%+，成本<$0.20，只是速度不太快）；Claude Opus系列貴；GPT-5-Nano適合預(yù)算極低的簡(jiǎn)單任務(wù)。

　　評(píng)測(cè)結(jié)果也能看到大模型的一些分化局面。

　　比如，谷歌的Gemini和 Anthropic的Claude系列整體表現(xiàn)穩(wěn)定，一如既往的靠譜。

　　 OpenAI 則比較讓人意外 。比如在成功率上，中低端版本成績(jī)尚可，高端的gpt-5.2卻意外拉胯，未能達(dá)到預(yù)期。

　　 當(dāng)然，其 在成本上依然有優(yōu)勢(shì)，GPT-5 Nano 以極低成本完成任務(wù)，是典型的高性?xún)r(jià)比模型。

　　 再如，MiniMax 和 Kimi 在成功率榜單中進(jìn)入前三，說(shuō)明國(guó)產(chǎn)模型在復(fù)雜任務(wù)執(zhí)行能力上，已經(jīng)非常接近國(guó)際頂級(jí)水平。

　　 還有就是，同品牌不同系列模型的適配效果差異顯著，選擇時(shí)需格外注意版本區(qū)別，豐儉由君。

　　 這也說(shuō)明，不同模型的定位越來(lái)越清晰，有的追求極致性能，有的強(qiáng)調(diào)成本控制，還有的側(cè)重速度，幾乎沒(méi)有模型能同時(shí)做到三個(gè)維度都最優(yōu)。

　　 需要注意的是，本次評(píng)測(cè)的成績(jī)均基于標(biāo)準(zhǔn)化測(cè)試，實(shí)際部署時(shí)還會(huì)受硬件配置、部署環(huán)境、任務(wù)類(lèi)型等因素影響。

　　 此外，在部署OpenClaw的過(guò)程中，還需要關(guān)注官方提示的安全風(fēng)險(xiǎn)，做好權(quán)限配置、數(shù)據(jù)加密等安全防護(hù)。