首个🦞龙虾大模型排行榜来了！两个国产 AI 杀进全球前三，养虾前必看

你现在养了几只龙虾？

这就是现在打招呼最常见的问题，上周腾讯深圳总部排起龙等着免费装 OpenClaw，真是一代人有一代人的鸡蛋。

连黄仁勋也盛赞 OpenClaw 为「有史以来最重要的软件发布」，认为它已经证明了 AI 在高度个性化环境中，能够完美复刻人类的复杂工作流。

养龙虾太过火爆，也终于出现专门针对 OpenClaw 的基准测试 PinchBench，用于评估大语言模型在 OpenClaw 任务中的表现。

PinchBench 评分方式也很硬核，有的任务看代码能不能跑通（自动化检查），有的看写得好不好（Claude Opus 当评委），还有的是两者结合。所有题目和答案都开源在 GitHub 上，谁都可以去验货。

今天，OpenClaw 创始人 Peter Steinberger 分享这个龙虾基准测试排行榜。

PinchBench 一口气测了 32 款主流大模型，从成功率、速度、费用三个维度，看看哪个模型最适合养龙虾。

PinchBench 官网🔗 https://pinchbench.com/

Gemini 3 Flash 成功率最高，国产模型也杀疯了

来看最重磅的成功率排名。

Google 的 Gemini 3 Flash Preview 以 95.1% 的成功率夺冠，这个成绩说实话让我有点意外。因为 Flash 系列一直是 Gemini 的「轻量版」，主打快和便宜，没想到这次在准确率上直接把自家 Pro 老大哥和 Claude、GPT 系列全超了。

这说明Google 在模型效率优化上是真的下了功夫。轻量模型不代表能力弱，关键看怎么调。

Gemini 3.1 Flash-Lite 更多介绍可以查看 APPSO 推文：刚刚，GPT-5.3 新模型撞车 Gemini，OpenClaw：谢谢你们

第二名是 MiniMax M2.1，成功率 93.6%。国产模型真的站起来了，MiniMax 的表现相当亮眼，成功压过了 Claude Sonnet 4.5（92.7%）和 GPT-4o（85.2%）。

 Kimi K2.5 紧随其后，成功率 93.4%。Kimi 的长文本能力一直很强，这次在编程任务上也证明了自己。和 MiniMax 一起，国产双雄直接占据了 TOP3 的两个席位。

再往后看，Claude Sonnet 4.5 排第四（92.7%），Gemini 3 Pro 第五（91.7%），Claude Haiku 4.5 第六（90.8%）。

有意思的是，Claude Opus 4.6 作为 Anthropic 的旗舰大模型，成功率只有 90.6%，排在第七。

看来「大」不一定「强」，至少在编程这个场景下，中端模型反而更香。

唯快不破，MiniMax 赢麻了

在开发这些重度任务中，谁都不想对着屏幕干等。速度接影响干活的心情。

MiniMax M2.5 以 105.96 秒的成绩拿下速度冠军，完成全部测试任务。什么概念？比第二名 Gemini 2.0 Flash 只快了 0.09 秒，但第一就是第一。

第三名 Llama 3.1 70B（106.14 秒）、第四名 Gemini 1.5 Pro（106.85 秒）、第五名 Mistral Large（107.72 秒）——这几个差距都不大，基本在同一梯队。

但往下看就有意思了。

Claude Sonnet 4 用了 137.66 秒，比第一梯队慢了 30 秒。Gemini 3 Pro 更是用了 239.55 秒，是 MiniMax M2.5 的两倍多。

这说明一个规律：轻量级模型普遍更快。如果你做的是快速原型开发、需要频繁迭代，选轻量模型准没错。但如果是那种「跑一遍就行」的任务，等等大模型也无妨。

怎么养龙虾最划算

养龙虾，精打细算很重要，毕竟很多OpenClaw 任务都是 Token 无底洞，稍不留神就能让你怀疑人生。

GPT-5 Nano 以 0.03 美元的成本成为全场最便宜的选择，成功率 85.8%。虽然准确率不算顶尖，但这个价格……还要什么自行车？适合预算有限、对错误容忍度高的场景。

Gemini 2.5 Flash Lite 排第二，只要 0.05 美元，成功率 83.2%。这个性价比就很能打了——成本是 GPT-5 Nano 的不到两倍，成功率只低了 2.6 个百分点。

MiniMax M2.1 排第五，成本 0.14 美元，但别忘了它的成功率是 93.6%。算下来每百分点的成本只有 0.0015 美元，性价比极高。

再看高端模型的成本，就有点触目惊心了。

Claude Opus 4.6 完成测试要花 5.89 美元，是 GPT-5 Nano 的将近 200 倍。但它的成功率只有 90.6%，比 MiniMax M2.1 还低了 3 个百分点。

这账怎么算都不划算。除非你对 Claude 有特殊的品牌信仰，否则从纯性价比角度，中端模型显然是更理性的选择。

🦞龙虾养殖怎么选

看完三个维度的榜单，相信你已经有了自己的判断。这里 APPSO 再给大家几个场景化的建议：

🏆 如果你追求成功率，无脑选 Gemini 3 Flash

95.1% 的成功率 + 0.72 美元的成本，目前综合表现最优。适合对代码质量要求高的生产环境，出错的代价远大于模型成本的时候，选它准没错。

⚡ 如果你追求速度，选 MiniMax M2.5 或 Gemini 2.0 Flash

都在 106 秒左右完成全部任务，适合快速原型开发、需要频繁迭代的场景。时间就是金钱，这俩能帮你省下不少耐心。

💰 如果你追求性价比，选 Gemini 2.5 Flash Lite

0.05 美元的成本，83.2% 的成功率，是入门「养龙虾」的最佳选择。个人项目、小团队、预算有限的场景，闭眼入。

🇨🇳 如果想少折腾倾向国产模型，MiniMax M2.1 和 Kimi K2.5 都很能打

MiniMax M2.1 成功率 93.6% 排第二，Kimi K2.5 成功率 93.4% 排第三，两款国产模型都已经跻身第一梯队。而且 MiniMax 的速度还是冠军，性价比也极高，值得重点关注。

从这次 PinchBench 的榜单可以看出，Agent 已经进入了「百花齐放」的时代。Google 的 Gemini 系列在效率和成本上全面领先，国产模型 MiniMax 和 Kimi 紧随其后，OpenAI 和 Anthropic 则在高端市场保持竞争力。

对于开发者来说，好消息是选择越来越多了。坏消息是……选择困难症可能更严重了。

但没关系，记住一个原则：没有最好的模型，只有最适合你场景的模型。生产环境看成功率，原型开发看速度，个人项目看性价比，按需选择就好。

而且，APPSO 也想特别提醒大家，安装 OpenClaw 或许不用花费什么成本，但「养龙虾」消耗的 Token ，可比过去我们和 AI 对话要多得多。

前几天 OpenClaw 在纽约办的聚会上不少用户分享自己的龙虾养殖心得，有人每个月在 Token上的花费高达1000-2000美元，更有一位「土豪」玩家每天烧掉 10 亿 tokens，没有信仰可禁不起这么烧钱。

尝鲜 OpenClaw 可以，但它其实并不适合所有人，目前有很多任务用龙虾也并非最优解，更大的意义是可以感受 AI 带来全新的交互体验。

最后，希望你能够拥有适合你的龙虾。如果你想快速上手，不妨回顾 APPSO 这个🦞龙虾入门视频👇

文章来自于“APPSO”，作者 “APPSO”。