AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
Claw-Eval
Claw-Eval tests real-world agentic task completion across complex multi-step scenarios, evaluating a model's ability to use tools, navigate environments, and complete end-to-end tasks autonomously.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 14
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Kimi K2.6 | 0.809 | 未收录 | 未收录 | 2026-04-20 · model_announcement | LLM Stats |
| GLM-5V-Turbo | 0.75 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| MiniMax M3 | 0.745 | 未收录 | 未收录 | 2026-06-01 · model_announcement | LLM Stats |
| Hy3 | 0.685 | 未收录 | 未收录 | 2026-07-06 · model_announcement | LLM Stats |
| Qwen3.7 Max | 0.652 | 未收录 | 未收录 | 2026-05-19 · model_announcement | LLM Stats |
| MiMo-V2.5-Pro | 0.64 | 未收录 | 未收录 | 2026-04-27 · model_announcement | LLM Stats |
| MiMo-V2.5 | 0.632 | 未收录 | 未收录 | 2026-04-22 · model_announcement | LLM Stats |
| LFM2.5-2.6B | 0.6285 | 未收录 | 未收录 | 2026-08-04 · model_announcement | LLM Stats |
| Qwen3.7-Plus | 0.627 | 未收录 | 未收录 | 2026-05-31 · model_announcement | LLM Stats |
| MiMo-V2-Pro | 0.615 | 未收录 | 未收录 | 2026-03-18 · model_announcement | LLM Stats |
| Qwen3.6-27B | 0.606 | 未收录 | 未收录 | 2026-04-21 · model_announcement | LLM Stats |
| Qwen3.6 Plus | 0.587 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| MiMo-V2-Omni | 0.548 | 未收录 | 未收录 | 2026-03-18 · model_announcement | LLM Stats |
| Qwen3.6-35B-A3B | 0.5 | 未收录 | 未收录 | 2026-04-16 · model_announcement | LLM Stats |