日前，Pinchbench更新了一份评测报告。
该报告 通过标准化的 OpenClaw agent 测试任务，对不同大模型在真实任务中的成功率、成本和速度等，进行了横向对比。
成功率指标看，排名最高的是 Google Gemini 3 Flash 系列，平均成功率达到 95.1%。紧随其后的是 MiniMax M2.1（93.6%） 和月之暗面Kimi K2.5（93.4%）。
这三款模型都超过了 93%，说明在自动化任务执行能力上已经非常稳定。
Anthropic Claude 系列表现也比较均衡。其中 Claude Sonnet 约 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 为 85.2%，GPT-4o Mini 为 83.4%。虽然没有进入第一梯队，但稳定处于中上水平。
国产模型里，Qwen3-Coder-Next 85.4%、GLM-4.5-Air 85.4%，整体表现也比较接近。
把成本因素一起看，情况就更有意思了。
成本榜单显示，完成一次标准任务 最便宜的模型是 GPT-5 Nano，仅约 0.03 美元。第二是 Gemini 2.5 Flash，约 0.05 美元，第三是 Mistral Devstral，约 0.10 美元。
而高性能模型往往更贵，比如 Claude Sonnet 约 3.07 美元，Claude Opus 超过 5 美元。
从“性能 vs 成本”的图来看， 最具性价比的区域集中在左上角 ：成功率高，同时成本低。
这个区域主要包括Gemini 3 Flash、MiniMax M2.1、Kimi K2.5、GPT-5 Nano
其中 GPT-5 Nano虽然成功率不是最高，但因为价格极低，被认为是“最划算”的模型之一。
速度方面则是另一套排名。
最快的是 MiniMax M2.5，完成一次任务 约 105.96 秒。
随后是 Gemini 2.0 Flash（106.05 秒） 和 Llama 3 系列（约 106 秒）。
而一些性能更强的大模型明显更慢。例如GPT-4o 约 190 秒，Claude Sonnet 约 137 秒，Kimi K2.5 约 291 秒，DeepSeek V3 约 622 秒。
这说明，模型越大、推理越复杂，速度往往越慢。
综合这四个维度，可以看到大模型在养“龙虾”方面的一些特点。
作为用户而言，通过评测结果大概可有的结论是：MiniMax-M2.1或Kimi K2.5极致性价比（成功率93%+，成本<$0.20，只是速度不太快）；Claude Opus系列贵；GPT-5-Nano适合预算极低的简单任务。
评测结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系列整体表现稳定，一如既往的靠谱。
OpenAI 则比较让人意外 。比如在成功率上，中低端版本成绩尚可，高端的gpt-5.2却意外拉胯，未能达到预期。
当然，其 在成本上依然有优势，GPT-5 Nano 以极低成本完成任务，是典型的高性价比模型。
再如，MiniMax 和 Kimi 在成功率榜单中进入前三，说明国产模型在复杂任务执行能力上，已经非常接近国际顶级水平。
还有就是，同品牌不同系列模型的适配效果差异显著，选择时需格外注意版本区别，丰俭由君。
这也说明，不同模型的定位越来越清晰，有的追求极致性能，有的强调成本控制，还有的侧重速度，几乎没有模型能同时做到三个维度都最优。
需要注意的是，本次评测的成绩均基于标准化测试，实际部署时还会受硬件配置、部署环境、任务类型等因素影响。
此外，在部署OpenClaw的过程中，还需要关注官方提示的安全风险，做好权限配置、数据加密等安全防护。
热门跟贴