Claw Eval (pass@3)编程

Kimi Claw 评估基准 (Pass@3 版本)，测试 AI Agent 在桌面计算机操作中的任务完成能力。由 Moonshot AI (Kimi) 开发，评估 Agent 在真实操作系统环境中执行点击、输入、文件操作等 GUI 交互任务的能力。

#	模型	得分 (%)	厂商	来源
1	Gemini 3.1 Pro	82.9	Google	Kimi K2.6 技术报告
2	Claude Opus 4.6	82.4	Anthropic	Kimi K2.6 技术报告
3	Kimi-K2.6	80.9	月之暗面	Kimi K2.6 技术报告
4	GPT-5.4	78.4	OpenAI	Kimi K2.6 技术报告
5	Kimi-K2.5	75.4	月之暗面	Kimi K2.6 技术报告

Kimi Claw 评估基准 (Pass@3 版本)，测试 AI Agent 在桌面计算机操作中的任务完成能力。由 Moonshot AI (Kimi) 开发，评估 Agent 在真实操作系统环境中执行点击、输入、文件操作等 GUI 交互任务的能力。

#	模型	得分 (%)	厂商	来源
1	Gemini 3.1 Pro	82.9	Google	Kimi K2.6 技术报告
2	Claude Opus 4.6	82.4	Anthropic	Kimi K2.6 技术报告
3	Kimi-K2.6	80.9	月之暗面	Kimi K2.6 技术报告
4	GPT-5.4	78.4	OpenAI	Kimi K2.6 技术报告
5	Kimi-K2.5	75.4	月之暗面	Kimi K2.6 技术报告