Kimi Claw 24/7 BenchAgent

Moonshot AI 内部长周期 Agent 基准，覆盖多日协作任务和 610 个评估点。Kimi Claw 24/7 Bench 是 Moonshot AI 内部长周期 Agent 评测，面向持续多日的协作任务。覆盖软件工程、机器学习研究、招聘、交易、营销等 17 个专业场景和 610 个评估点，通过 OpenClaw harness 执行任务，并按多次运行的平均通过率计分。

排行数据源

#模型得分

1

GPT-5.5OpenAI

52.8%

2

Claude Opus 4.8Anthropic

50.4%

3

Kimi-K2.7-Code月之暗面

46.9%

4

Kimi-K2.6月之暗面

42.9%

共 4 个模型

返回基准目录