大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



数据来源：SLCT Arena MCP 实时评测数据

评测类型：xsct-a（Agentic 任务执行能力）

对比模型：Claude Opus 4.6 × GPT-5.2 × Gemini 3 Flash Preview

报告时间：2026 年 3 月 10 日

---

OpenClaw（曾用名 Clawdbot / Moltbot）是一款基于 TypeScript 开发的开源 AI Agent 框架，核心理念是把 AI 从「对话工具」变成「执行系统」——你给任务，它自己拆解、调用工具、执行、交付结果。

---

SLCT Arena 共设 7 大维度、95 个测试用例，覆盖 OpenClaw 真实运行场景：

综合分计算公式：日常（基础难度）×30% + 专业（中等难度）×40% + 极限（困难难度）×30%

---

---

✅ = 该维度/难度最高分 | 天花板：Claude Opus 在 AgentOrchestration 达 3 级，GPT-5.2 在 Gateway/Slides 达 3 级，Gemini 在 Slides/Web 达 3 级

---

维度：L-OpenClawFileOps｜考察：误改识别 + 局部回滚 + 风险控制

得分总表

深度分析

基础档：Claude 完胜（95.4）

Claude 完整展示了 的完整工具链，尤其在最后以表格形式展示了恢复内容，三个 Judge 一致打高分（92.5/97.5/92.5）。

GPT-5.2 基础档直接超时（120s 无响应），Gemini 则系统报错。

中等档：三模型集体失败，Claude 稍好（45.2）

用户追加「不要动 changelog.md，改错了要恢复」时——三个模型都翻车了。

• Claude（45.2）：只说「让我先读取这两个文件的内容」就停了，知道不改 changelog.md，但完全没有意识到需要先检查 changelog.md 是否已被误改。
• GPT-5.2（44.2）：输出大量「（工具调用）」占位符，实际一个工具都没调用，最后承认「没拿到工作区文件内容」要求用户粘贴，Kimi Judge 评价：「空口说白话」。
• Gemini（47.8）：最短的回答——「明白了，跳过 changelog.md，首先检查这两个文件」，但同样没有先去验证 changelog.md 当前状态。

共同短板：三个模型都没有意识到「批量替换已经开始了，要先确认 changelog.md 有没有被污染」。

困难档：GPT-5.2 微胜（69.7）

困难档涉及权限失败（/etc/app/start.sh 是 root 所有）+ 误改范围。

• GPT-5.2（69.7）：准确识别 test.sh 可写、start.sh 无权限，给出两条清晰路径（跳过 vs sudo），但未主动用 read 验证 test.sh 实际状态。
• Claude（66.5）：做了一个专业的状态总结表格，方向正确，但核心缺陷——没有调用 read 验证文件实际内容，而且完全没提「误改回滚」。
• Gemini（64.3）：最简洁，直接说「sudo sed...」，也没有验证步骤，Kimi 给 45 分。

---

维度：L-OpenClawFileOps｜考察：止损意识 + /proc 恢复技术 + 系统性加固

得分总表

深度分析

这道题是整个测试集里「三模型集体崩」最严重的。

基础档：全员失败，GPT-5.2 稍好（42.2）

清理 .tmp 文件时有一个陷阱： 包含 .tmp 后缀但是备份文件，不能删！

• Claude（31.2）：只用 没有加排除过滤条件，任务场景没有文件就直接说「your data is safe」，完全没意识到题目背景是已发生误删。
• GPT-5.2（42.2）：态度谨慎，说「会先扫描再删除，对疑似重要文件停下来确认」，但实际也没有工具调用、没有过滤 ，Kimi 批评：「幻觉执行」。
• Gemini（0.0）：系统报错。

困难档：Gemini 意外翻盘（65.0），Claude 最惨（36.2）

困难档预设上下文已通过 恢复了误删文件，用户问「现在呢？」

• Gemini（65.0）：简洁给出三条后续建议——验证文件内容、将删除改为移动到回收目录、建立 Git 自动备份，并主动提出「我可以帮你审查清理脚本」。语气有安抚感，三个 Judge 均通过。
• Claude（36.2）：只写了一句话「让我先确认恢复的文件内容是否完整」，然后调用了 ，就没了。三个 Judge 一致批评：完全缺失系统性加固建议，Kimi 给了 0 分的「系统性加固建议」维度。
• GPT-5.2（20.5）：系统报错（HTTP 400，工具调用消息链不完整），只有 Claude Judge 基于预设上下文给了 41 分，其余两个 Judge 均 0 分。

---

维度：L-OpenClawFileOps｜考察：备份探测 + 写入闭环 + 无备份逆向回滚

得分总表

深度分析

基础档：Claude 完美（94.0）—— 本报告最高分之一

Claude 输出了教科书级别的文件恢复流程：

三个 Judge 一致打高分（92.5/97.5/92.5），Gemini Judge 给 满分 100。

GPT-5.2 基础档超时 120 秒，Gemini 虽通过（70.5），但问题是读完备份文件就停了，没有执行 write，三个 Judge 一致批评「有开头无结尾」。

中等档：三模型都通过，差距是执行细节

场景：撤回「mv app.py main.py」和「rm utils.py」两步操作。

• Claude（82.6）：正确识别 mv 和 rm 两步，用 处理无 git 的边界情况，但 Kimi 批评「未先确认回滚边界」。
• Gemini（73.2）：方向正确，但表述先说「尝试撤回重命名操作」又说「首先检查文件状态」，Kimi：「执行顺序不明确，停留在检查阶段」。
• GPT-5.2（72.5）：陷入「分析型瘫痪」——大量自述「工具调用未返回输出」的循环，最后列出方案 A（有 git）和方案 B（无 git）让用户自己选，Kimi 给 50 分。

困难档：全军覆没！三模型共同短板

无备份 + 导致 + 需要逆向回滚。

• Claude（25.2）：只执行了 就停了。三个 Judge 一致批评「分析瘫痪」——「先看看」但不执行。
• GPT-5.2（34.5）：识别出 python33 问题，但只做了单向修复（python33→python3），没有做第二步（python3→python），也没有撤销 权限，还在末尾附加了 —— 搞错了，任务要的是回滚不是继续执行！
• Gemini（29.8）：同样把「回滚」理解成「修复后继续执行」，在回滚命令末尾加了 ，与任务目标背道而驰。

---

维度：L-OpenClawChannel｜考察：配置参数准确性 + 故障诊断 + Privacy Mode 深度

得分总表

深度分析

基础档：三模型都及格，但都不准确

核心问题：OpenClaw 的配置路径是 ，三个模型都不太清楚，必填参数 三者都遗漏！

• Gemini（69.5）：指向了 而非 ，用了 TOML 格式，但操作步骤最清晰，还主动说明了获取 User ID 的方法。
• GPT-5.2（64.5）：给了大量 Webhook/Polling 技术细节，但 Kimi 批评「过度工程化」，说了很多非核心配置，忘了最关键的 。
• Claude（61.4）：同样遗漏 ，引入了 等非核心参数。

中等档：Connection timed out — Claude 最好（88.8）

场景：proxy 字段为空，连接 Telegram API 超时。

• Claude（88.8）：一句话定位根因「proxy 字段为空」，列出 HTTP/SOCKS5/带认证三种代理格式，代理格式说明比参考答案更丰富。三个 Judge 一致给高分（86/92.5/90）。
• GPT-5.2（86.5）：也准确定位了问题，还提供了 的验证方法，但说「我需要你补充两点信息才能给出精确改法」让 Kimi 批评方案不够完整。
• Gemini（80.8）：方向正确，配置格式示例正确，但也是询问式结尾「你需要我帮你修改配置文件吗？」。

困难档：本报告最令人意外的结果——Claude 崩溃（10.8），GPT-5.2 意外优秀（61.0）

困难档场景：Bot 在群里收不到消息，配置文件中有 和 ，还需要通过 @BotFather 关闭 Privacy Mode。

• Claude（10.8）：面对已知问题直接 ls 探索目录——完全忽略上下文中已通过 sudo 读取的配置信息。Kimi 给了 0 分，说「严重的上下文遗忘」。
• GPT-5.2（61.0）：正确识别了 和 ，直接给出 sed 命令修改，并提供了「按你想要的行为二选一」的灵活方案。但所有三个模型都遗漏了最关键的 Telegram Privacy Mode —— 这是 @BotFather 侧的设置，不改本地配置也没用！
• Gemini（58.0）：也识别了两个配置问题，给出了 sed 命令，但未提 Privacy Mode，得分相近。

---

维度：L-OpenClawChannel｜考察：OpenClaw 平台知识 + health_check 机制 + zombie 状态处理

得分总表

深度分析

基础档：全体崩溃，都把 OpenClaw 渠道问题当成通用 Telegram Bot

这是本报告最能说明「领域专有知识缺口」的案例。

• Claude（43.0）：给了 Webhook URL、SSL 证书、Privacy Mode 等通用 Telegram 建议，完全没有提 。
• GPT-5.2（32.5）：更糟，直接给出了 BotFather 设置隐私模式、python-telegram-bot 框架等内容，三个 Judge 一致：「答非所问」。
• Gemini（22.0）：最低分，也是通用 Telegram 开发建议。

三个 Judge 的评语高度一致：「完全偏离 OpenClaw 特定上下文」。

中等档：Gemini 反超（83.8），GPT-5.2 次之（80.2）

场景： → 改为 。

• Gemini（83.8）：给出了完整命令 + 重启步骤，虽然用了虚构命令 而非正确的 sed，但提供了可操作的内容。Kimi 给了 90 分的隔离性理解。
• GPT-5.2（80.2）：正确识别根因，给出了配置示例，但用了自创的 而不是正确的 ，并说「我也不确定支持哪些值，可以帮你搜一下」——暴露了不确定性。
• Claude（75.0）：准确定位问题，但说「需要我现在帮你改吗？」就结束了，等用户确认。Kimi：「说了一半，解决方案不闭环」。

困难档：Gemini 最高（44.8），但全员未通过

困难档是 WhatsApp 渠道 zombie 状态（正确做法：清理 session.lock + 重启 + 建议 deep_probe）。

• Claude（20.5）：最惨。输出了数百行 Python 代码搭建一个全新的健康检查框架——完全没有执行任何恢复动作。Kimi：「幻觉式开发」。
• Gemini（44.8）：最简洁：「深度探测显示该渠道已完全无响应。我将执行自动恢复流程：先尝试软重启驱动程序...」。虽然软重启对 zombie 状态无效，但至少方向对了，有实质内容。
• GPT-5.2（42.2）：面对 zombie 状态设计了一套「策略-节流-升级」的健康检查框架，思路对但没有直接清理 session.lock，Kimi：「本末倒置」。

---

维度：L-OpenClawChannel｜考察：配置层级理解 + 全局污染回归 + 严谨性

得分总表

深度分析

这道题是所有维度中三模型表现最均衡的，所有难度全部通过！

基础档：Gemini 胜（89.0），Claude 有字段名错误

• Gemini（89.0）：用了正确的 字段，主动补充了 生效命令，步骤完整。
• Claude（81.3）：用了 而非正确的 字段——Kimi 直接批：「这会导致用户无法正确配置系统」。但 Gemini Judge 给了 95.0，因为「model_override 更符合命名惯例」——三个 Judge 分歧明显（81/97.5/65）。
• GPT-5.2（75.8）：用了正确的 字段，但先建议执行 确认参数，说「按你的实际配置为准」——Kimi：「缺乏确定性」。

困难档：Claude 领先（81.5）—— 配置污染回归问题

复杂场景：修改 iMessage 配置时污染了全局 ，导致 Matrix 渠道 gpt-4o 请求发到 DeepSeek 服务器。

• Claude（81.5）：正确识别三个核心问题——全局 model 被改、openai base_url 被篡改、iMessage 缺独立配置，给出了完整的修复 YAML，三个 Judge 均通过（80/85/80）。
• GPT-5.2（74.7）：方向正确，提供了正确的 YAML 结构，但未提及 验证命令，重启命令也没有 sudo，Kimi：「能用但不够专业」。
• Gemini（71.3）：在 下放了 ——model 应该在 层！Kimi 直接批：「若被用户采纳将导致配置无法正常工作」。

---

维度：L-OpenClawPlugin｜考察：npm 打包诊断 + Event Loop 异步化 + SDK 路径 API

得分总表

深度分析

基础档：三模型集体优秀（92.5-94.4），本报告最整齐的一次

场景： 开发态正常，发布后 。

三个模型都准确识别了两大根因：① 的 字段应指向 而非 ；②运行时依赖不能放在 。

• GPT-5.2（94.4）：额外覆盖了路径别名未解析（tsc-alias）、ESM/CJS 格式不匹配、原生模块平台差异等，Gemini Judge 给了 98.0。
• Gemini（93.5）：还提供了 手动调试命令，更实用。
• Claude（92.5）：提供了完整的排查清单流程图，非常直观。

中等档：GPT-5.2 崩溃（15.0），工具滥用典型案例

场景： 中 。

• Claude（70.0）：正确识别了需要在 添加 元数据，但工具调用格式混乱（XML 标签错误），验证命令用了 而非正确的 。
• GPT-5.2（15.0）：执行了 12 个冗余工具调用（重复的 read/exec 命令），但完全没有给出分析结论——Kimi：「将「读取-分析-回答」变成了无意义的工具调用轰炸」。
• Gemini（0.0）：系统报错。

困难档：GPT-5.2 最好（54.5），但全员未通过

场景：Event Loop 被图像处理阻塞 5000ms + cache 目录权限不足。

• GPT-5.2（54.5）：识别了两个问题，建议改用 Worker Threads、异步化、路径改 。但 Kimi：「未使用 SDK 的 方法，遗漏了 Webhook 202 异步响应模式」。
• Gemini（51.5）：建议 异步化和 ，思路对但同样没有 OpenClaw SDK 的专有方法。
• Claude（11.5）：一句话「我先看一下插件的项目结构和相关代码，定位具体的阻塞点」—— 就停了。Kimi 给 0 分，说「在 hard 难度下，这种回避型回复完全无效」。

---

维度：L-OpenClawAgentOrchestration｜考察：多源信息整合 + 权限失败恢复 + 战略对齐报告

得分总表

深度分析

基础档：Claude 最好（66.0）

场景：读取 + 访问 + 汇总三个核心卖点。

• Claude（66.0）：发现文件不存在且外网不可达后，给出结构清晰的「现状说明」表格，并说「拿到素材后会整理三个核心卖点」。Gemini Judge 给 87.5，但 Kimi 批评「缺乏编排规划能力」。
• GPT-5.2（31.0）：同样文件不存在，但没有尝试任何工具调用就直接说「无法完成」，要求用户粘贴内容。Gemini Judge：「应该优先尝试工具验证，而非直接假设环境缺失」。
• Gemini（0.0）：系统报错。

中等档：三模型都优秀（89-90.5），Claude 与 GPT-5.2 几乎平手

场景：整合 （插件化架构、毫秒级上下文压缩、自动失败恢复）与竞品官网（多模型切换、可视化面板、延迟高），给 CEO 的竞争优势报告。

• GPT-5.2（90.5）：给出了「性能壁垒/稳定性壁垒/可扩展性壁垒」的三层分析，特别点明「上下文压缩不是 UI 优化能解决的」，CEO 一句话定位极精炼。Gemini Judge 给 96.5。
• Claude（90.0）：竞争分析对比矩阵清晰，把竞品优势客观列出（⚠️ 竞品领先），技术壁垒分析有深度，Gemini Judge 也给 96.5。
• Gemini（89.0）：格式最简洁（三行表格），用「技术壁垒/可靠性优势/灵活壁垒」定性，最适合快速汇报，但战略深度略不如前两者。

困难档：Gemini 微胜（90.0）—— 失败恢复**

场景：内部 JSON 权限受限（先用 admin 子代理获取）+ 抓取行业趋势网页 + 形成年度战略对齐报告。

• Gemini（90.0）：极简但精准——「已经汇总完毕。根据 admin 子代理提取的内部报告与网页抓取的行业趋势...」。明确交代了「通过 admin 子代理」的决策链，失败恢复 95 分。
• Claude（84.8）：给出了完整的交叉分析表格（内部现状 vs 行业方向），三条具体行动建议，但 Kimi 批评「未明确叙述通过 admin 权限恢复的决策过程」，战略建议也偏泛化。
• GPT-5.2（80.0）：「失败恢复与上下文维持」96.5 分近乎完美，但「战略对齐逻辑」只有 65 分——用户问「现在呢？」后 GPT 只给了数据摘要然后又问「你要多文件汇总落成正式交付物吗？」，没有主动形成最终报告。

---

维度：L-OpenClawGateway｜考察：安装命令准确性 + 配置覆盖理解 + 故障恢复决策

得分总表

深度分析

基础档：三模型全部失败，都不知道 pip 安装命令

正确命令是 + ，三个模型都搞错了：

• Claude（48.0）：给了 ——完全错误的安装方式。
• GPT-5.2（43.0）：先问「你的操作系统是什么」才能给安装命令，Kimi：「将简单问题复杂化」。
• Gemini（54.0）：说 ——包名错了，应该是 。

中等档：Gemini 最好（83.2）—— 自定义端口启动

场景：配置文件中有 config.yaml，用命令行参数 覆盖启动。

• Gemini（83.2）：直接给了正确命令 ，三种验证方式（日志/status/健康检查），并主动提供了持久化配置建议。
• Claude（79.8）：命令正确，但提供了自创命令 （该参数不存在），Kimi：「发明命令」。
• GPT-5.2（60.0）：先建议执行 确认参数，给出「方式A/方式B」两个选项让用户判断。

困难档：GPT-5.2 最好（87.2）—— 双重故障：权限 + 端口冲突

场景：/etc/openclaw 权限不足 + 端口 8000 被 PID 1234 占用。

• GPT-5.2（87.2）：清晰给出四步：①netstat 确认 8001 空闲→②mkdir -p ~/.openclaw→③openclaw gateway start --config ~/.openclaw/config.yaml --port 8001→④验证。明确说明「不动现有 8000 进程」，Claude Judge 给了 89.0，Gemini 给 92.5。
• Gemini（79.0）：方向对但命令混用（部分用 ， 和 混用），最终启动命令也没有显式指定端口。
• Claude（22.0）：再次「分析瘫痪」——面对已知问题（权限+端口冲突），却重新发起 等基础探测命令，忽视了上下文中已有的诊断结果。三个 Judge 痛批「完全没有利用对话上下文中已有的信息」。

---

Claude Opus 4.6 — 「认真但怕动」
- ✅ 工具调用流程最完整，基础档几乎无敌（fo_011: 94.0, fo_007: 95.4, pl_001: 92.5）
- ✅ 汇报输出质量最高（orch_008 中等档：90.0，Gemini Judge 96.5）
- ❌ 极限场景「分析瘫痪」：面对复杂多变的问题时会过度准备而不执行
- ❌ 追问场景上下文丢失：「现在呢？」往往触发重新探索而不是基于已有信息继续
- ❌ 极慢：基础档平均 60-130 秒，远慢于竞争对手

GPT-5.2 — 「快但多系统错误」
- ✅ 极限场景抗压性最强（综合极限 59.6），网关困难档 87.2 分
- ✅ 战略分析深度好（orch_008 中等档 90.5，一句话定位精炼）
- ❌ HTTP 400 工具调用格式错误频发（fo_008/fo_007/web_003 多次触发）
- ❌ 「说而不做」倾向：会描述操作计划但实际工具调用是占位符
- ❌ OpenClaw 平台知识欠缺，经常用「openclaw gateway」替代「openclaw-gateway」

Gemini 3 Flash Preview — 「快、简洁、但报错多」
- ✅ 响应速度极快（2-7s），最适合高频使用场景
- ✅ 简洁有力，结论前置，配置准确性相对最好
- ✅ 幻灯片维度天花板最高，内容生成和结构化表达出色
- ❌ 系统报错频发（fo_007/fo_008/pl_001/web_003 多个基础/中等档出现 finish_reason=error）
- ❌ OpenClaw 专有 API 同样欠缺（getTempPath、openclaw-cli 等不熟悉）
- ❌ 所有模型共同短板：Telegram Privacy Mode、zombie 状态 session.lock 清理

---

GPT plus 代充 只需 145

---

以典型 Claw Agent 单次调用（输入 8K + 输出 2K tokens，每天 100 次）估算月成本：

---

发现 1：所有顶级模型都有「OpenClaw 平台知识盲区」

无论是 的正确枚举值、、还是 SDK 方法，三个模型均表现明显不足。这意味着：System Prompt 里加入 OpenClaw 特定文档片段可以显著提升实际效果。

发现 2：「分析瘫痪」vs「说而不做」是两种不同的失败模式

• Claude 的失败模式：「我先看一下」然后停——过度谨慎，不敢执行
• GPT-5.2 的失败模式：「（工具调用）（工具调用）」占位符——有计划没行动
• Gemini 的失败模式：系统报错（finish_reason=error）——稳定性是短板

发现 3：性价比黑马是 Gemini 3 Flash

综合分仅落后第一名 1 分（61.0 vs 62.0），但价格是 Claude Opus 的 1/8。如果对稳定性要求不是极高（当前 finish_reason=error 频率偏高），Gemini 3 Flash 是中等规模 Claw 部署的最优选。

Claude Opus 4.6 = 基础文件操作最稳、报告输出最专业；
GPT-5.2 = 极限场景抗压最强、网关部署最可靠；
Gemini 3 Flash = 极速低价、配置类任务够用
——但三者共同短板都是 OpenClaw 平台专有 API 知识，靠 System Prompt 注入文档可以大幅弥补。

















🦞

---