加载中...
加载中...
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
覆盖9种编程语言的大模型软件工程能力的评测基准
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
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Composer 2思考模式（无工具） | 73.7 | 2026-03-19 | 未知 |
| 2 | Kimi K2.5思考模式（无工具） | 73 | 2026-01-27 | 10000 |
| 3 | Composer 1.5思考模式（无工具） | 65.9 | 2026-02-09 | 未知 |