原帖 ｜ Jason ｜ 2026-07-30 11:36 ｜ 👍1 ｜ 阅读约1
分享一个我经常关注的网站
它实时更新各个大模型在 OpenClaw 龙虾中的表现。
现在各家大模型，不停的营造噱头发广告，来证明自己的模型很强。但很多时候用下来，并非如此。
为什么我会关注这个排名呢，因为它表示模型在长时间任务中的表现，而不是单次会话的表现。
举个例子，你在 VSCode 中用 AI 模型写代码，你说一句，它做一次，多轮沟通，你可能觉得这个模型好像还可以。
但时间拉长，一次复杂任务动则半小时，一小时，那这个差异就会一步一步被放大。对此我深有感触。
我的工作流 Agent 已经成型，现在工作一次最少 15 分钟，长的 30+ 分钟，我发现模型和模型之间差异巨大。有的模型小任务还好，一但有复杂任务，它可能根本不按照你给的 系统提示词和 skill 工作，跑半个小时给你一份垃圾报告，浪费时间。
所以目前我依旧认为，所有模型中 Claude 最强，没有之一。国产的话，其实 qwen 和 deepseek 也是不错的，各大公司本地也会部署，大家可以使用。
如果你的工作流不涉及长时间复杂任务，仅限于单次小任务多轮对话，那可能差异不是很大，选普通的也可以。
相关笔记