PinchBench 是一个模型评测与选型对比平台，核心用途是帮助用户为 OpenClaw 智能体找到最合适的 AI 模型。
用途 PinchBench 围绕 OpenClaw 智能体展开评测，面向需要为 AI 编程智能体选择底层大语言模型的用户。它通过真实编程任务来比较不同模型的表现，而不是单纯依赖通用榜单，从而让选型更贴近实际智能体使用场景。
主要能力 平台覆盖 100 多个大语言模型，比较维度包括成功率、速度和成本。它提供多个“常见用例最佳模型”榜单，具体包括：基准测试多次运行中平均得分最高的模型；开源权重模型中平均得分最高者；总参数量不超过 125B 的开源权重模型中平均得分最高者；观察到的完整基准运行时间最短者；观察到的非零基准运行成本最低者；每美元成功率最高者；在代码与 DevOps 任务上得分最高者；在数据分析任务上得分最高者。
平台还提供“按模型划分的成功率”数据，展示每个模型在标准化 OpenClaw 智能体测试中成功完成任务的百分比。评分由自动化检查和 LLM 评审共同完成。页面中提供了“How we benchmark”入口和“View all tasks”入口，可进一步查看评测方法与全部任务。
使用方式 用户可直接访问 PinchBench 网站，查看各类榜单和成功率数据，依据自己的用例（如通用表现、开源权重、参数规模限制、运行时间、成本、代码与 DevOps、数据分析等）挑选模型。平台本身是评测对比站点，资料中未说明需要注册或安装，也未提供具体操作步骤。
适用场景 适合正在使用或计划使用 OpenClaw 智能体、需要选择或更换底层 AI 模型的开发者与团队；也适合关注模型在真实编程任务上的成功率、运行速度与成本权衡的用户，以及需要针对代码、DevOps 或数据分析等特定任务挑选模型的场景。
限制 资料中未说明 PinchBench 是否收费、是否提供 API、是否支持非 OpenClaw 的智能体，也未提供具体的评测任务数量、模型名单或更新频率。评分通过自动化检查与 LLM 评审完成，但具体评测细节需查看其“How we benchmark”页面。PinchBench 的托管与推理由 Kilo 赞助，页面中包含对 Kilo 的推广内容。
