Словарь
PinchBench
Открытый бенчмарк компании Kilo Code, который проверяет языковые модели в роли агентов в среде OpenClaw. Вместо синтетических тестов агенты выполняют практические задачи: пишут код, разбирают почту, планируют встречи, работают с файлами. Для каждой модели считают долю успешных задач, скорость и стоимость, а результаты публикуют в открытом рейтинге.