Pinch Bench
PinchBench 是 Kilo Code 团队开发的开源基准测试系统，用于评估大型语言模型作为 OpenClaw 编码代理核心的表现。该系统运行一组固定真实世界任务，计算代理的任务完成成功率，同时记录执行速度和成本。所有结果通过公开排行榜 https://pinchbench.com 显示，目前包含 50 个模型的 403 次运行记录，最新更新时间为 2026 年 3 月 18 日。基准测试的代码和任务定义全部开源在 GitHub（pinchbench/skill 仓库），任何开发者均可本地复现或添加
更新于 2026年4月3日·928 次浏览
- 问题数量
- 23
- 发布机构
- Kilo Code
- 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
一个用于评估大模型作为OpenClaw控制中心的测试基准
Pinch Bench评测最新大模型排名与完整榜单数据
查看 Pinch 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
Pinch Bench 排名
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 GPT-5.4 开启思考工具 | 90.50 | 2026-03-05 | 未知 | 闭源 | |
 Qwen3.5-27B 开启思考工具 | 90.00 | 2026-02-25 | 270亿 | 免费商用 | |
Qwen3.5-397B-A17B 开启思考工具 | 89.10 | 2026-02-16 | 397亿 | 免费商用 | |
4 |  Claude Sonnet 4.5 开启思考工具 | 88.20 | 2025-09-30 | 未知 | 闭源 |
5 | Claude Sonnet 4.6 开启思考工具 | 88.00 | 2026-02-17 | 未知 | 闭源 |
6 |  MiniMax M2.5 开启思考工具 | 87.80 | 2026-02-12 | 2290亿 | 免费商用 |
7 | Claude Opus 4.6 开启思考工具 | 87.40 | 2026-02-05 | 未知 | 闭源 |
8 | Claude Opus 4.5 开启思考工具 | 87.20 | 2025-11-25 | 未知 | 闭源 |
9 | MiniMax-M2.7 开启思考工具 | 87.10 | 2026-03-18 | 2300亿 | 闭源 |
10 |  Gemini 3.1 Pro Preview 开启思考工具 | 86.70 | 2026-02-20 | 未知 | 闭源 |
11 |  GLM-5-Turbo 开启思考工具 | 86.50 | 2026-03-15 | 未知 | 闭源 |
12 | GLM-5 开启思考工具 | 86.40 | 2026-02-11 | 7440亿 | 免费商用 |
13 | GLM-4.5-Air 开启思考工具 | 85.70 | 2025-07-28 | 1060亿 | 免费商用 |
14 | Qwen3.5-122B-A10B 开启思考工具 | 85.50 | 2026-02-25 | 1220亿 | 免费商用 |
15 |  Step 3.5 Flash 开启思考工具 | 85.30 | 2026-02-02 | 1960亿 | 免费商用 |
16 | Gemini 3.0 Flash 开启思考工具 | 85.20 | 2025-12-17 | 未知 | 闭源 |
17 |  Kimi K2.5 开启思考工具 | 84.80 | 2026-01-27 | 10000亿 | 免费商用 |
18 |  DeepSeek V3.2 开启思考工具 | 84.30 | 2025-12-01 | 6710亿 | 免费商用 |
19 | M2.1 开启思考工具 | 84.30 | 2025-12-23 | 2300亿 | 免费商用 |
20 |  Grok 4.1 Fast 开启思考工具 | 82.40 | 2025-11-19 | 未知 | 闭源 |
21 | Haiku 4.5 开启思考工具 | 82.00 | 2025-10-15 | 未知 | 闭源 |
22 | Claude Sonnet 4 开启思考工具 | 80.50 | 2025-05-23 | 未知 | 闭源 |
23 | GPT-5-mini 开启思考工具 | 80.30 | 2025-08-07 | 未知 | 闭源 |
24 | Qwen3-Max-Thinking 开启思考工具 | 80.30 | 2026-01-26 | 10000亿 | 闭源 |
25 | Qwen3-Coder-Next 开启思考工具 | 79.10 | 2026-02-03 | 80亿 | 免费商用 |
26 | Qwen3.5-35B-A3B 开启思考工具 | 78.40 | 2026-02-25 | 350亿 | 免费商用 |
27 | GPT-4o mini 开启思考工具 | 75.00 | 2024-07-18 | 未知 | 闭源 |
28 |  Mistral Large 3 开启思考工具 | 72.20 | 2025-12-02 | 6750亿 | 免费商用 |
29 | 71.90 | 2025-03-25 | 未知 | 闭源 | |
30 | GPT-4o 开启思考工具 | 71.10 | 2024-05-13 | 未知 | 闭源 |
继续滚动可加载剩余 7 条