Ai mới là đại lý mạnh nhất thực sự của OpenClaw? Bảng xếp hạng đánh giá 23 nhiệm vụ thực tế được công bố
3. Tóm tắt kết quả đánh giá 23 tác vụ thực tế trên OpenClaw: Claude Opus 4.6 dẫn đầu với tỷ lệ thành công cao nhất 93.3%, Arcee Trinity nổi bật về độ ổn định (91.9%), GPT-5.4 đạt 90.5%. Đánh giá dựa trên tiêu chí thành công, sử dụng 3 phương pháp: kiểm tra tự động, trọng tài LLM (Claude Opus) và kết hợp. Các tác vụ đa dạng từ lập trình, nghiên cứu, sáng tạo nội dung đến quản lý email. Dữ liệu công khai, có thể kiểm chứng.
marsbit04/08 14:48
