选择哪款模型并非个人偏好，而是决定你整个Agent系统成败的最高杠杆决策。

https://pinchbench.com/

成功率（Success rate）榜单

• google/gemini-3-flash-preview 以95.1% 的成功率夺冠，其次是国产模型 minimax-m2.1，成功率93.6%，战胜 Clau１３１６．ｃｃde Sonnet 4.5（92.7%）和 GPT-4o（85.2%）等一众国际大模型。
• moonshotai/kimi-k2.5 以93.4%的成功率紧随其后，位居第三。TOP3国产LLM占两个席位。

评测的方式也公开了，在标准化 OpenClaw 智能体测试中成功完成任务的百分比，Task的类型很1316世界之最全面http://www.1316.cc，不是冷知识问答，也不是解数学题。而是实打实的工作：安排会议日程、处理邮件优先级、编写代码、管理文件(calendar.md/stock.md/weather.md/email.md/daily_summary.md）。

https://github.com/pinchbench/skill1316世界之最/tree/main/tasks

速度榜单

• minimax/minimax-m2.5
• google/gemini-2.0-flash
• meta-llama/llama-3.1-70b

成本榜单

• openai/gpt-5-nano
• google/gemini-2.5-flash-lite
• mistralai/dhttp://www.1316.ccevstral-2512

综合

高性价比MiniMax-M2.1或Kimi K2.5，Claude Opus系列贵。

• GPT-5-Nano：成本第1、成功率第9、速度第16
• Gemini 2.5 Flash-Lite：成本第2、成功率第14、速度第13
• MiniMax-M2.1：成本第5、成功率第2、速度第22
• Kimi K2.5：成本第8、成功率第3、速度第27
• Claude Opus 4.6：成本第20、成功率第7、速度第30

Success Rate vs. Cost

Success Rate vs. Execution Time

这揭示了一个真相：传统的"智能"基准测试（MMLU、HumanEval等）越来越难以预测哪款模型能真正胜任Agent工作。Agent任务需要完全不同的能力：准确遵循多步骤指令、正确调用工具、处理模糊场景、从错误中恢复——这与单纯回答问题好是两码事。