Agents · AI Agent 评测平台
ClawArena
统一流水线评测多个编码智能体框架的基准平台
ClawArena 是 AI coding agent 评测平台，提供统一推理、打分、报告与多框架比较流水线。
状态
verified
开源
价格
开源免费
MIT
入口
GitHub / CLI / 论文
本地运行 / 研究评测 / 自托管 / 云端 SaaS / SDK 集成
API
API 需确认
独立体系
形态
Benchmark 平台
Python / CLI
选型结论
适合需要在同一数据集上比较多个编码智能体框架的研究者与开发者。它提供统一推理、打分与报告生成，便于做横向对照；但它本身不执行面向终端用户的任务，应作为评测基建使用，具体能力边界需结合论文与代码确认。
定位
适合
成本口径
核心能力
统一评测流水线
把推理、打分与报告生成串成一条流程，减少手工比对成本。
多框架横向比较
支持对 OpenClaw、Claude Code 等框架在同一数据集上对照。
MIT 开源许可
以 MIT 许可开源，可本地运行并自托管，便于复现实验。
排行榜与报告
汇总评测结果生成报告与排行榜，方便团队内部横向参照。
典型使用场景
框架选型对比
在统一数据集上跑多个编码智能体框架，为技术选型提供对照依据。
研究复现实验
借助开源代码与论文在本地复现评测流程，验证自己的假设。
团队内部评测
用自托管或云端方式跑评测，把结果整理成报告供团队参考。
上手步骤
- 1
阅读论文与仓库
先看论文与 GitHub 仓库说明，了解评测流程与配置方式。
- 2
本地部署环境
按仓库说明准备 Python 与 CLI 环境，在本地跑通评测流程。
- 3
接入目标框架
参照适配列表把待评测框架接入流水线，统一推理与打分。
- 4
生成对比报告
运行评测后汇总结果，输出报告与排行榜用于横向比较。
价格与使用方式
价格口径
开源状态
API 状态
使用入口
运行方式
支持平台
常见连接对象
所属生态
优点与局限
值得选的地方
- 统一推理、打分与报告生成，流程连贯
- 支持多个编码智能体框架在同一数据集上对照
- MIT 许可开源，可本地运行与自托管
先想清楚的地方
- 本身不执行终端用户任务，定位是评测基建
- 不提供 API，也不兼容 OpenAI 接口
- 适配的框架范围有限，需按列表选择
适合谁用
更适合
- 研究编码智能体的研究者
- 需要横向比较多个框架的开发者
- 搭建内部评测流水线的团队
不太适合
- 寻找可直接执行任务的智能体
- 需要开箱即用 API 的集成方
同类对比
4 个同类| 产品 | 形态 | 价格口径 | 开源 | 地区 |
|---|---|---|---|---|
| ClawArena aiming-lab · 本页 | Benchmark 平台 | 开源免费 | 是 | 海外 |
| Hermes-Agent Nous Research | 开源框架 | 开源免费 | 是 | 海外 |
| ChatGPT agent OpenAI | 云端 SaaS | ChatGPT 订阅内的 Agent 能力；消息额度和可用地区以官方帮助中心和账号页面为准 | 否 | 海外 |
| Genspark Super Agent Genspark | 一站式 AI 工作空间 / 通用执行型 Agent | 免费 + 付费套餐 | 否 | 海外 |
| Lindy Lindy | 企业 AI teammate / 云端 SaaS | 免费试用 + 付费套餐；官网当前提供 7 天试用 | 否 | 海外 |
按分类、形态和接入方式挑出最接近的同类，价格口径以各自详情页为准。
常见问题
4 条ClawArena 是什么类型的工具？
它是 AI 编码智能体评测平台，提供统一推理、打分、报告生成与多框架比较流水线，本身不执行终端用户任务。
ClawArena 支持哪些编码智能体框架？
据公开信息，适配 OpenClaw、Claude Code、MetaClaw、PicoClaw、Nanobot 等框架。
ClawArena 可以本地部署吗？
可以，支持本地运行与自托管，也能通过云端 SaaS 与 SDK 集成方式使用，具体步骤见仓库说明。
ClawArena 的许可与价格如何？
以 MIT 许可开源，开源免费，具体价格与授权细节以官网价格页为准。