今早上看见 openclaw 创始人分享了一个开源项目的openlaw基准测试
主要是以从成功率、速度、费用三个维度为主，评估 32 款主流大模型四个主要方面
- 工具使用情况 ——模型能否使用正确的参数调用正确的工具？
- 多步骤推理 ——能否将各个步骤串联起来完成复杂任务？
- 现实世界的混乱 ——它能否处理含糊不清的指令和不完整的信息？
- 实际结果 ——它是否真的创建了文件、发送电子邮件或安排了会议？
模型排行
成功率排名第一的居然是谷歌的哈基米3Flash，我以为必是cc来着
排行网站在这
佬们有兴趣也可以自己试试
cc不是大户用不起的,之前可以用kiro反代还能搞一搞,现在这条路已经被封死了
openai/gpt-5-nano竟然也这么靠前
有些中转我看还有cc特价渠道，都是假的吗
7块9的阿里云百炼Coding plan
利好 minimax 啊 涨疯了
为什么glm5排名这么低
该不会算力紧缺，降智成智障了
核心是小模型能力竞技，响应快且大概精准
为什么gpt都是用这么老的模型
为啥minimax-m2.1这么强,minimax-m2.5这么拉
少了很多模型
我一直认为哈基米系列偷懒严重，在龙虾场景应该表现不佳来着
为啥3flash分数这么高？
免费的，便宜的，包月的
基本上用不了,我也试了那些特价,现在比较稳得就是官转
性价比高
一眼假，minimax2.1都来了，然后后面全是一堆老模，连gpt-4o都出来
看一个人专不专业就问他gpt-4o是啥就行，gpt-4o不是chatgpt-4o，前者现在连豆包都打不过，又差又贵
如果真的考虑价格kimi2.5就不可能这么前面，然后适配各种平台的命令行语言语法和agent适配是最近一年才适配比较好的，以前ai根本不会cmd语法全错。
那些中转我买过，就是反代的 kiro, 最近基本上快被杀光了。
