PinchBench v2

简介

PinchBench 由 Kilo Code 推出，评估大模型作为 OpenClaw 智能体完成真实任务的能力，任务涵盖日程安排、调研、写作、编程、邮件处理和文件管理等。v2 版共 147 个任务、11 个类别，每个任务按自动检查、Claude Opus 依据评分细则打分，或两者结合来评分。官方榜单接受公开提交，同一模型可能有多次运行；本站记录的是官方公布的所有运行平均得分，而不是单次最好成绩。v2 的题目与旧版 PinchBench 不同，两者分数不可直接比较。