龙虾之父亲推榜单揭露残酷真相：大模型正被“执行力”打脸，国产双雄赢了跑分却输了油钱

fNaaZWzcG.jpeg

当全球几十万人正疯狂往自己的电脑上安装 OpenClaw（小龙虾）时，一个致命的现实问题挡在了所有狂热者面前：这只“虾”到底该装什么“脑子”？

选错模型，要么变成只会说废话的智障，要么变成一夜掏空信用卡的吞金兽。就在大众陷入“选型焦虑”之际，OpenClaw 之父出面背书了一份名为 PinchBench 的实时榜单。然而，这份专为智能体（Agent）量身定制的测试榜单，不仅狠狠撕下了传统大模型的遮羞布，更揭示了中国 AI 力量一个极其尴尬的反常识现状。

一、 传统评测的丧钟：会做奥数题，不代表会打工

与动辄考察大模型“懂不懂量子力学”或“会不会解微积分”的传统 Benchmark 不同，由 Kilo AI 团队推出的 PinchBench 只关心一件事：它能不能把活干完。

PinchBench 抛弃了传统的知识问答，直接将大模型扔进 23 个极其粗暴的真实工作流中：去查资料、去写邮件、去调 API、去生成报告。在这套包含“自动化脚本检查+大模型裁判（LLM Judge）”的严苛评价体系下，一个令人大跌眼镜的现象出现了——越大的模型，反而摔得越惨。

cf84485eeb3b994c23e01784a071ad50.jpg

榜单显示，那些拥有庞大参数量的主流“巨无霸”模型，在真实任务执行力上，往往被参数更小、专门针对 Agent 路径优化过的轻量级模型按在地上摩擦。

【笔者观点】 这是一个极具颠覆性的行业拐点信号。过去三年，整个科技界都在陷入“参数崇拜”，以为只要模型足够聪明（能写诗、能做题），就自然能成为优秀的助理。但这完全是个伪命题！Agent 时代需要的不是只会纸上谈兵的“哲学家”，而是能精准调用工具、不乱发散、指哪打哪的“数字蓝领”。PinchBench 的爆火，正式宣告了“大屏跑分时代”的终结，大模型厂商如果还沉浸在秀智商的幻觉里，必将在接下来的执行力战场上被迅速绞杀。

二、 国产模型的反常识突围：碾压了智商，却输给了账单

仔细看这份榜单，最让国人兴奋的，莫过于中国模型的强势霸榜。

在最核心的“成功率”（Success Rate）指标上，除了谷歌的 Gemini 3 Flash 以 95.1% 占据榜首，第二名和第三名均被中国企业包揽——MiniMax M2.1（93.6%）与 Kimi K2.5（93.4%）。而在“速度”（Speed）这个直接决定用户爽感的指标上，MiniMax 春节刚发布的 M2.5 模型更是直接登顶，将 Claude Opus 4.6 远远甩在身后。

但这真的是一场完美的胜利吗？榜单的第三个维度“价格”（Cost），给这场狂欢泼了一盆刺骨的冷水。

专为轻量级场景设计的 GPT-5-nano，输入和输出价格分别低至 0.05 美元和 0.40 美元/百万 tokens。相比之下，即使是国产模型中最便宜的 MiniMax M2.1，其综合使用成本也几乎是前者的 3 倍。

【笔者观点】 这正是当前国产大模型最痛的隐疾——我们造出了跑得最快的跑车，但用户却加不起油。在 OpenClaw 这种内置了“心跳机制”、需要 24 小时高频自唤醒的 Agent 生态中，Token 消耗量是指数级的。能力再强，如果商业成本无法做到“白菜价”，它就永远只能是少数极客的昂贵玩具，而无法成为普罗大众的基础设施。中国大模型在能力上确实跨越了鸿沟，但在极致的工程化压缩和算力成本控制上，我们依然被 OpenAI 牢牢卡着脖子。

三、 寻找“黄金分割点”：为什么选模型变成了走钢丝？

面对这份榜单，OpenClaw 的用户们陷入了深深的纠结：选谷歌，合规和网络是个大坑；选国产双雄，成功率极高但钱包在滴血；选便宜的 GPT-5-nano，在处理复杂连续动作时又可能掉链子。

PinchBench 给出的“最优解”，是那张横跨成功率与价格二维坐标系的散点图。在左上角的“高性价比黄金圈”内，一共圈出了 8 个模型，其中中国模型占据了半壁江山。这意味着，虽然我们在绝对低价上拼不过 OpenAI 的极限阉割版，但在“以相对合理的价格提供极高执行力”这个象限里，国产模型已经站稳了脚跟。

【笔者观点】 OpenClaw 带来的这场“全民养虾”运动，本质上是一次对全球 AI 算力供应链的极限压力测试。对于开发者和用户而言，闭眼选最贵、最大的模型已经成为最愚蠢的策略；未来的核心竞争力，在于如何根据具体的工作流（是高频简单的邮件，还是低频复杂的代码生成），在 PinchBench 这样的真实榜单中，精准找到那个“刚刚好”的套利空间。而对于中国的大模型创业者来说，紧迫感已经拉满：留给你们沾沾自喜“跑分第一”的时间不多了，2026 年下半场的生死战，不拼智商，只拼谁能把算力成本打到地板价。

👇 欢迎关注我的公众号

在 AI 爆发的深水区，我们一起探索真正能穿越周期的技术价值。

欢迎关注【睿见新世界】