龍蝦之父推薦了兩款國產(chǎn)模型 PinchBench榜單引關(guān)注。龍蝦太火，所有人都想一試。但真到了上手環(huán)節(jié)就會遇到難題——究竟哪個模型最適合OpenClaw呢？別急，龍蝦之父推薦了一個有趣的榜單：PinchBench。這個榜單專為龍蝦而設(shè)，從成功率、速度、價格等維度評估全球大模型對OpenClaw的適配程度，并且實時更新。

今年2月底，PinchBench就已經(jīng)出現(xiàn)，現(xiàn)在更受歡迎了。這不僅因為有龍蝦之父的推薦，更重要的是中國模型的表現(xiàn)確實出色。前排國產(chǎn)模型在榜單中的表現(xiàn)非常搶眼。

熟悉龍蝦的人都知道，選擇合適的模型非常重要。一方面，龍蝦消耗token成本高；另一方面，速度也不能太慢，以免影響用戶體驗。因此，人們在價格和速度之間艱難權(quán)衡。PinchBench則直接告訴你答案，按照成功率、速度、價格這三個基本維度對全球模型進(jìn)行排名，使得哪個模型更擅長什么一目了然。

截至發(fā)稿前，榜單具體情況如下：整體而言，中國模型在成功率和速度方面表現(xiàn)出色，但在價格方面稍遜一籌。比成功率，除了第一名谷歌Gemini 3 Flash，第二、第三名都出自國內(nèi)。具體排名如下： - 第一名（Gemini 3 Flash）：成功率95.1% - 第二名（MiniMax M2.1）：成功率93.6% - 第三名（Kimi K2.5）：成功率93.4%

值得注意的是，MiniMax用的還不是它家最新模型MiniMax M2.5。比速度，國產(chǎn)模型MiniMax M2.5更是超越了Gemini、Llama等模型，登上榜首。MiniMax M2.5在SWE-Bench Verified測試中，完成任務(wù)的速度較上一代M2.1提升了37%，端到端運行時間縮短至22.8分鐘，與Claude Opus 4.6持平。然而，在價格方面，國產(chǎn)模型與OpenAI、谷歌模型相比缺乏優(yōu)勢。例如，GPT-5-nano輸入價格低至0.05美元/百萬tokens，輸出價格低至0.40美元/百萬tokens，而國產(chǎn)模型中最便宜的MiniMax M2.1，輸入價格為2.1元/百萬tokens（約0.3美元/百萬tokens），輸出價格為8.4元/百萬tokens（約1.2美元/百萬tokens），平均下來幾乎是前者的3倍。

如果要在成功率和價格之間取得最佳平衡，可以參考左上角方框圈選出的幾個不錯模型，其中有4個是中國模型。

那么，這份榜單靠譜嗎？背后的篩選機(jī)制又是什么？

簡單來說，PinchBench并不是某家大廠推出的標(biāo)準(zhǔn)Benchmark，而是來自一支做Agent基礎(chǔ)設(shè)施的創(chuàng)業(yè)團(tuán)隊Kilo AI。這支團(tuán)隊由GitLab前聯(lián)合創(chuàng)始人兼CEO Sid Sijbrandij投資并參與創(chuàng)立，曾推出爆火“氛圍編程”工具Kilo Code。年初龍蝦爆火后，他們順勢推出了基于OpenClaw構(gòu)建的全托管智能體平臺KiloClaw，同時發(fā)布了PinchBench這一智能體框架評測工具。

PinchBench主要用來測試不同大模型在真實工作流中的執(zhí)行能力，包含23個真實任務(wù)的測試，如查詢并整理資料、寫郵件或生成報告、調(diào)用API完成操作等。評分機(jī)制采用自動化檢查加LLM評審的方式，最終統(tǒng)計的核心指標(biāo)是任務(wù)完成率、完成速度和推理成本。

由于評測方式偏向真實任務(wù)流程，在PinchBench的排行榜上，更大的模型并不總是制勝之道。那些偏Agent優(yōu)化或推理效率更高的模型反而排名靠前。這一點也是PinchBench最近被頻繁討論的原因之一。此外，PinchBench完全開源，用戶也可以在平臺上自行運行或添加新任務(wù)。如果以后不知道怎么選模型，不妨自己動手一試。