谁才是OpenClaw真正的最强代理？23项真实任务测评榜单发布
MyToken发布OpenClaw代理能力测评榜单，基于23项真实任务测试各大模型代理成功率。测评仅关注“成功率”核心指标，采用标准化流程，包含精准提示词、预期行为定义和可验证的评分清单。
测评采用三种评分方式：自动化脚本检查客观结果、Claude Opus作为LLM裁判进行定性评估、以及两者结合的混合模式。所有任务定义和评分逻辑完全公开，确保可复现性。
测试涵盖23类实际任务，包括基础交互、文件操作、内容创作、研究分析、工具调用及持久化记忆等场景，例如：创建日历事件、股价查询、博客撰写、技术文档总结、竞品分析和多步骤API工作流等。
截至2026年4月7日，成功率排名前十的模型为：
1. Claude Opus 4.6（Anthropic）93.3%/82.0%
2. Trinity Large Thinking（Arcee AI）91.9%/91.9%
3. GPT-5.4（OpenAI）90.5%/81.7%
4. Qwen3.5-27B（Qwen）90.0%/78.5%
5. Minimax M2.7（MiniMax）89.8%/83.2%
6. Claude Haiku 4.5（Anthropic）89.5%/78.1%
7. Qwen3.5-397B-A17B（Qwen）89.1%/80.4%
8. Mimo V2 Flash（Xiaomi）88.8%/70.2%
9. Qwen3.6 Plus Preview（Qwen）88.6%/84.0%
10. Nemotron-3 Super 120B-A12B（NVIDIA）88.6%/75.5%
Claude Opus 4.6在最高成功率上领先，而Arcee的Trinity在平均稳定性上表现突出，千问系列多款模型上榜显示出良好性价比。该基准测试完全透明，推荐用户结合实际场景进行验证。
marsbit04/08 14:45
