日前，Pinchbench更新了一份評測報告。

　　 該報告 通過標準化的 OpenClaw agent 測試任務，對不同大模型在真實任務中的成功率、成本和速度等，進行了橫向?qū)Ρ取?/p>

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

　　這三款模型都超過了 93%，說明在自動化任務執(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%。雖然沒有進入第一梯隊，但穩(wěn)定處于中上水平。

　　國產(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，完成一次標準任務 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 5 美元。

　　 從“性能 vs 成本”的圖來看， 最具性價比的區(qū)域集中在左上角 ：成功率高，同時成本低。

　　這個區(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，但因為價格極低，被認為是“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 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。

　　這說明，模型越大、推理越復雜，速度往往越慢。

　　綜合這四個維度，可以看到大模型在養(yǎng)“龍蝦”方面的一些特點。

　　作為用戶而言，通過評測結(jié)果大概可有的結(jié)論是：MiniMax-M2.1或Kimi K2.5極致性價比（成功率93%+，成本<$0.20，只是速度不太快）；Claude Opus系列貴；GPT-5-Nano適合預算極低的簡單任務。

　　評測結(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，中低端版本成績尚可，高端的gpt-5.2卻意外拉胯，未能達到預期。

　　 當然，其 在成本上依然有優(yōu)勢，GPT-5 Nano 以極低成本完成任務，是典型的高性價比模型。

　　 再如，MiniMax 和 Kimi 在成功率榜單中進入前三，說明國產(chǎn)模型在復雜任務執(zhí)行能力上，已經(jīng)非常接近國際頂級水平。

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

　　 這也說明，不同模型的定位越來越清晰，有的追求極致性能，有的強調(diào)成本控制，還有的側(cè)重速度，幾乎沒有模型能同時做到三個維度都最優(yōu)。

　　 需要注意的是，本次評測的成績均基于標準化測試，實際部署時還會受硬件配置、部署環(huán)境、任務類型等因素影響。

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