跳到主内容
知行录
leaderboard.cn
Toggle Sidebar
搜索模型或厂商…
⌘K
分析
前沿模型
历史趋势
本地模型
模型对比
榜单工坊
资料库
模型库
模型价格
厂商
基准评测
数据源
设置
Toggle Sidebar
知行录
leaderboard.cn
正在加载页面内容
反馈
基准详情正在加载
返回基准目录
Claw Eval (pass@3)
编程
分享
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。
排行
数据源
#
模型
得分
1
Gemini 3.1 Pro
Google
82.9
%
2
Claude Opus 4.6
Anthropic
82.4
%
3
Kimi-K2.6
月之暗面
80.9
%
4
GPT-5.4
OpenAI
78.4
%
5
Kimi-K2.5
月之暗面
75.4
%
共 5 个模型
