Claw Bench
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28日·712 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
许可证:
来源:
模型发布时间截止:
Claw Bench 排名
| 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 | |
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 | 2290亿 | 非商用 |
7 |  Opus 4.5 扩展思考工具 | 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 | Kimi K2.6 开启思考工具 | 80.90 | 2026-04-20 | 10000亿 | 免费商用 |
20 | 80.40 | 2025-03-25 | 未知 | 闭源 | |
21 |  DeepSeek V3.2 开启思考工具 | 79.00 | 2025-12-01 | 6710亿 | 免费商用 |
22 |  Mistral Large 3 开启思考工具 | 78.60 | 2025-12-02 | 6750亿 | 免费商用 |
23 | Claude Sonnet 4 开启思考工具 | 77.80 | 2025-05-23 | 未知 | 闭源 |
24 | Qwen3-Coder-Next 开启思考工具 | 75.80 | 2026-02-03 | 80亿 | 免费商用 |
25 | GPT-5.4 mini 开启思考工具 | 75.30 | 2026-03-17 | 未知 | 闭源 |
26 | Qwen3.5-27B 开启思考工具 | 75.20 | 2026-02-25 | 270亿 | 免费商用 |
27 | Qwen3.6-27B 开启思考工具 | 72.40 | 2026-04-22 | 270亿 | 免费商用 |
28 |  Nova 2 Lite 开启思考工具 | 68.50 | 2025-12-02 | 未知 | 闭源 |
29 | 51.00 | 2025-11 | 24000亿 | 闭源 |
