Gemini 3 Flash näyttää tällä hetkellä korkeimman onnistumisprosentin OpenClaw'lle PinchBenchissä, 95,1 %. PinchBench on avoin vertailukohta, joka arvioi, miten mallit toimivat OpenClaw'n kanssa todellisissa tilanteissa. Se keskittyy käytännön käyttöön, ei erillisiin kykytesteihin. Tehtäviin kuuluu koodin kirjoittaminen, tiedostojen hallinta, aikataulutus ja tutkimus. PinchBench tarkastelee esimerkiksi: - Työkalujen käyttö. Voiko malli kutsua oikeat työkalut oikeilla parametreilla? - Monivaiheinen päättely. Voiko se ketjuttaa toimintoja monimutkaisten tehtävien suorittamiseksi? - Oikean maailman sotku. Pystyykö se käsittelemään epäselviä ohjeita ja puutteellista tietoa? - Käytännön tuloksia. Luotiinko se tiedoston, lähettikö sähköpostin vai ajoittiko tapaamisen? Koko tulostaulukko alla. 1/2