#科技爱好者必看

3月9日，PinchBench发布了一个评测榜单，它是一个基准测试系统，主要用于评估LLM模型作为OpenClaw编码代理(Coding Agents)。评测方法是在不同的模型上运行同一组真实世界的任务，并测量成功率、速度和成本，以帮助开发人员为他们的用例选择合适的模型。目前这个基准包括不同类别的23项任务。

从榜单可以看出：

1️⃣.目前成功率最高的模型是谷歌的🥇gemini-3-flash，而谷歌的另一款模型gemini-3-pro也位列第5。

2️⃣.国内的🥈Minimax M2.1和🥉kimi 2.5位于第2和第3，对于用户，这也是高性价比的选择。

3️⃣.Anthropic的4款模型位列第4到8位，成功率都在90%以上，整体优势明显。

4️⃣.OpenAI最新推出的GPT-5.4仅有74.8%，还有待观察。

5️⃣.智谱的glm-5和Minimax-m2.5成功率仅有39.6%和35.5%，还需要进一步适配。

如果你把OpenClaw主要作为一个编码智能体使用，也许这个榜单可以参考，毕竟选择一个合适的模型才可以发挥出它最大的效能。