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 2026-04-03
1,101 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
相关资源
Pinch Bench 大模型得分排行榜
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
模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...
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。
模型发布时间截止:
Pinch Bench详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | GPT-5.4 思考工具 | 90.50 | 2026-03-05 | 未知 |
| 2 | Qwen3.5-27B 思考工具 | 90.00 | 2026-02-25 | 270 |
| 3 | 89.10 | 2026-02-16 | 397 | |
| 4 | 88.20 | 2025-09-30 | 未知 | |
| 5 | 88.00 | 2026-02-17 | 未知 | |
| 6 | MiniMax M2.5 思考工具 | 87.80 | 2026-02-12 | 2290 |
| 7 | Claude Opus 4.6 思考工具 | 87.40 | 2026-02-05 | 未知 |
| 8 | Claude Opus 4.5 思考工具 | 87.20 | 2025-11-25 | 未知 |
| 9 | MiniMax-M2.7 思考工具 | 87.10 | 2026-03-18 | 2290 |
| 10 | 86.70 | 2026-02-20 | 未知 | |
| 11 | GLM-5-Turbo 思考工具 | 86.50 | 2026-03-15 | 未知 |
| 12 | GLM-5 思考工具 | 86.40 | 2026-02-11 | 7440 |
| 13 | GLM-4.5-Air 思考工具 | 85.70 | 2025-07-28 | 1060 |
| 14 | 85.50 | 2026-02-25 | 1220 | |
| 15 | Step 3.5 Flash 思考工具 | 85.30 | 2026-02-02 | 1960 |
| 16 | Gemini 3.0 Flash 思考工具 | 85.20 | 2025-12-17 | 未知 |
| 17 | Kimi K2.5 思考工具 | 84.80 | 2026-01-27 | 10000 |
| 18 | DeepSeek V3.2 思考工具 | 84.30 | 2025-12-01 | 6710 |
| 19 | M2.1 思考工具 | 84.30 | 2025-12-23 | 2300 |
| 20 | Grok 4.1 Fast 思考工具 | 82.40 | 2025-11-19 | 未知 |
| 21 | Haiku 4.5 思考工具 | 82.00 | 2025-10-15 | 未知 |
| 22 | Claude Sonnet 4 思考工具 | 80.50 | 2025-05-23 | 未知 |
| 23 | GPT-5-mini 思考工具 | 80.30 | 2025-08-07 | 未知 |
| 24 | 80.30 | 2026-01-26 | 10000 | |
| 25 | Qwen3-Coder-Next 思考工具 | 79.10 | 2026-02-03 | 80 |
| 26 | Qwen3.5-35B-A3B 思考工具 | 78.40 | 2026-02-25 | 350 |
| 27 | GPT-4o mini 思考工具 | 75.00 | 2024-07-18 | 未知 |
| 28 | Mistral Large 3 思考工具 | 72.20 | 2025-12-02 | 6750 |
| 29 | 71.90 | 2025-03-25 | 未知 | |
| 30 | GPT-4o 思考工具 | 71.10 | 2024-05-13 | 未知 |
滚动或悬停加载剩余 7 条