跳到主内容
知行录
leaderboard.cn
Toggle Sidebar
搜索
⌘K
分析
前沿模型
历史趋势
本地模型
资料库
模型库
厂商
基准评测
数据源
显示模式
Toggle Sidebar
知行录
leaderboard.cn
正在加载页面内容
正在加载基准详情
返回
Claw Eval (pass^3)
Kimi Claw 评估基准的另一命名，同样使用 Pass@3 指标。测试 AI Agent 在真实桌面操作系统环境中完成 GUI 交互任务的能力，包括文件操作、浏览器导航、办公软件使用等，衡量 Agent 作为计算机助手的实用性。
编程
Agent
排行
数据源
#
模型
得分 (%)
厂商
来源
1
MiniMax M3
74.5
MiniMax
MiniMax M3 技术报告
2
Claude Opus 4.8
72.1
Anthropic
Hy3 Hugging Face README
3
Claude Opus 4.7
71.6
Anthropic
MiniMax M3 技术报告
4
Claude Opus 4.6
70.8
Anthropic
MiMo-V2.5 技术报告
5
混元3
68.5
腾讯
Hy3 Hugging Face README
6
Claude Sonnet 4.6
68.3
Anthropic
MiniMax M3 技术报告
7
GPT-5.5
67.8
OpenAI
Hy3 Hugging Face README
8
Qwen3.7-Max
65.2
阿里巴巴
Hy3 Hugging Face README
9
GLM-5.1
62.7
智谱AI
Hy3 Hugging Face README
10
GLM-5.2
62.4
智谱AI
Hy3 Hugging Face README
1
2
3
