Claw Bench

Name: Claw Bench
Creator: 个人

ClawBench 是针对大模型智能体（LLM Agent）的评测基准。它通过隔离沙盒环境中的真实企业工作流任务，评估大模型在实际部署场景下的表现，与传统问答式或合成数据集基准形成区别。ClawBench 与 PinchBench 均服务于 OpenClaw 生态，但二者侧重点不同：PinchBench 是 OpenClaw 官方基准，由 kilo.ai 团队开发，聚焦 23 类真实任务的成功率、速度和成本；ClawBench 则独立构建，包含 30 个高级任务，覆盖 5 大核心业务场景，采用混合评分机制

更新于 2026年4月6日·78 次浏览

问题数量: 30
发布机构: 个人
评测类别: OpenClaw智能体能力综合测评
评测指标: Accuracy
支持语言: 英文
难度等级: 中等难度

简介

一个用于测试大模型在OpenClaw常见的5类任务中的能力的评测基准

Claw Bench评测最新大模型排名与完整榜单数据

查看 Claw Bench 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。

数据来源：DataLearnerAI

数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。了解数据收集方法

模型模式说明

排名	模型				开源情况
	GLM-5-Turbo 开启思考工具	93.80	2026-03-15	未知	闭源
	Doubao Seed 2.0 Lite 开启思考	93.10	2026-02	未知	闭源
	GPT-5.4 开启思考工具	92.70	2026-03-05	未知	闭源
4	MiniMax M2.5 开启思考工具	92.10	2026-02-12	2290亿	免费商用
5	GLM-5 开启思考工具	91.70	2026-02-11	7440亿	免费商用
6	MiniMax-M2.7 开启思考工具	91.70	2026-03-18	2300亿	闭源
7	Claude Opus 4.5 开启思考工具	91.50	2025-11-25	未知	闭源
8	Qwen3.5-35B-A3B 开启思考工具	91.40	2026-02-25	350亿	免费商用
9	GLM-5V-Turbo 开启思考工具	90.10	2026-04-02	未知	闭源
10	GPT-5.4 nano 开启思考工具	89.70	2026-03-17	未知	闭源
11	Haiku 4.5 开启思考工具	89.40	2025-10-15	未知	闭源
12	Grok 4.1 Fast 开启思考工具	88.60	2025-11-19	未知	闭源
13	Claude Sonnet 4.5 开启思考工具	88.10	2025-09-30	未知	闭源
14	Qwen3.5-122B-A10B 开启思考工具	86.00	2026-02-25	1220亿	免费商用
15	Gemini 3.0 Flash 开启思考工具	85.70	2025-12-17	未知	闭源
16	Step 3.5 Flash 开启思考工具	84.90	2026-02-02	1960亿	免费商用
17	Kimi K2 Thinking 开启思考工具	82.50	2025-11-06	10400亿	免费商用
18	Kimi K2.5 开启思考工具	81.70	2026-01-27	10000亿	免费商用
19	Gemini 2.5 Pro Experimental 03-25 开启思考工具	80.40	2025-03-25	未知	闭源
20	DeepSeek V3.2 开启思考工具	79.00	2025-12-01	6710亿	免费商用
21	Mistral Large 3 开启思考工具	78.60	2025-12-02	6750亿	免费商用
22	Claude Sonnet 4 开启思考工具	77.80	2025-05-23	未知	闭源
23	Qwen3-Coder-Next 开启思考工具	75.80	2026-02-03	80亿	免费商用
24	GPT-5.4 mini 开启思考工具	75.30	2026-03-17	未知	闭源
25	Qwen3.5-27B 开启思考工具	75.20	2026-02-25	270亿	免费商用
26	Nova 2 Lite 开启思考工具	68.50	2025-12-02	未知	闭源
27	ERNIE 5.0 Thinking Preview 开启思考	51.00	2025-11	24000亿	闭源

Claw Bench评测最新大模型排名与完整榜单数据

Claw Bench 排名