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
查看 SWE-bench Multilingual 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 | 开源情况 | |||
|---|---|---|---|---|---|
— |  Claude Opus 5 思考水平·Max工具 | 89.50 | 2026-07-24 | 未知 | 闭源 |
— | Claude Fable 5.1 思考水平·Max工具 | 89.10 | 2026-09-01 | 未知 | 闭源 |
— | Claude Mythos Preview 扩展思考工具 | 87.30 | 2026-04-07 | 未知 | 闭源 |
— |  Intern-S2-397B 开启思考工具 | 84.00 | 2026-09-09 | 3970亿 | 免费商用 |
— |  Hy4 preview 思考水平·高工具 | 82.90 | 2026-08-28 | 7700亿 | 免费商用 |
— |  Qwen3.8-Flash-Next 思考水平·极高工具 | 81.00 | 2026-08-26 | 1250亿 | 有条件商用 |
— |  Composer 2.5 开启思考 | 79.80 | 2026-05-18 | 未知 | 闭源 |
— | Qwen3.7 Max 开启思考工具 | 78.30 | 2026-05-20 | 未知 | 闭源 |
— |  Kimi K2.6 开启思考工具 | 76.70 | 2026-04-20 | 10000亿 | 免费商用 |
— |  MiniMax-M2.7 开启思考工具 | 76.50 | 2026-03-18 | 2290亿 | 非商用 |
— |  DeepSeek-V4-Pro 思考水平·极高工具 | 76.20 | 2026-08-13 | 16000亿 | 免费商用 |
— | Hy3 思考水平·高工具 | 75.80 | 2026-07-06 | 2950亿 | 免费商用 |
— | DeepSeek-V4-Pro 思考水平·高工具 | 74.10 | 2026-08-13 | 16000亿 | 免费商用 |
— | 73.80 | 2026-03-31 | 未知 | 闭源 | |
— | Qwen3.6-Max-Preview 开启思考工具 | 73.80 | 2026-04-18 | 未知 | 闭源 |
— | Composer 2 开启思考 | 73.70 | 2026-03-19 | 未知 | 闭源 |
— | DeepSeek-V4-Flash 思考水平·极高工具 | 73.30 | 2026-04-24 | 2840亿 | 免费商用 |
— | Kimi K2.5 开启思考 | 73.00 | 2026-01-27 | 10000亿 | 免费商用 |
— | Claude Opus 4.6 扩展思考工具 | 72.00 | 2026-02-05 | 未知 | 闭源 |
— |  Doubao Seed 2.0 Pro 开启思考工具 | 71.70 | 2026-02-01 | 未知 | 闭源 |
— | Qwen3.6-27B 开启思考工具 | 71.30 | 2026-04-22 | 270亿 | 免费商用 |
— | DeepSeek-V4-Flash 思考水平·高工具 | 70.20 | 2026-04-24 | 2840亿 | 免费商用 |
— | DeepSeek-V4-Pro 常规模式工具 | 69.80 | 2026-08-13 | 16000亿 | 免费商用 |
— | DeepSeek-V4-Flash 常规模式工具 | 69.70 | 2026-04-24 | 2840亿 | 免费商用 |
— | 69.30 | 2026-02-16 | 3970亿 | 免费商用 | |
— |  Nemotron 3 Ultra 开启思考工具 | 67.70 | 2026-06-04 | 5500亿 | 免费商用 |
— | Qwen3.6-35B-A3B 开启思考 | 67.20 | 2026-04-16 | 350亿 | 免费商用 |
— | Composer 1.5 开启思考 | 65.90 | 2026-02-09 | 未知 | 闭源 |
— | Composer 1 开启思考 | 56.90 | 2025-10-29 | 未知 | 闭源 |
— | Spark-X2.5-4B 开启思考工具 | 53.30 | 2026-09-01 | 41.1亿 | 免费商用 |
