OpenClaw之父说:他怎么评判模型

模型厂商发新模型，全网都在比基准测试分数。Peter Steinberger 不看分数。他用了一整年，每天同时开几十个会话，他对模型的判断全是具体的、带着使用场景的，而且不留情面。

这一篇讲他在一线怎么评判模型。

慢的那个，反而更好

他最早用 Claude Code，后来换到 Codex。换的理由很具体。

他说，Claude 会读三个文件，然后自信地开始写代码。Codex 不一样，它会沉默很久，就一直在读文件，读十分钟、十五分钟，然后才动手。Codex 单次任务慢得多，有时候要跑十分钟到一个小时，但一次成功率接近九成。Claude 快，但你经常要回头修它修的东西。

他的结论：开发者本能地追求快，但他选了慢十倍的工具，产出反而更好。因为慢的那个时间花在了读你的代码库上。

他还给过一个非常毒舌的对比。他说 Claude Code 用起来更舒服，性格好，但 Claude 会告诉你「百分之百生产就绪」，然后你一跑全是 bug。Codex 他形容是「枯燥的欧洲人」，但它会读更多代码，通常能找到更好的解。他的原话是，如果你真懂你在做什么，两个工具都能用，只是工作量不一样。

模型「变差」，多数时候是你适应了

有一个现象几乎每个用 AI 的人都遇到过：新模型发布，惊为天人，过了一个月开始抱怨「退化了」「是不是偷偷量化降质了」。

他的判断很干脆：模型没变，是你的预期追上去了。每个新模型出来，你觉得它好得不得了，一个月后你习惯了，把它当成新的基准线，于是同样的模型你觉得变差了。不是厂商偷工减料，是需求端的心理适应。

这个观察的推论很冷：开源模型落后当前最强模型一年，但用户对一年前的最强模型的态度，已经从「惊为天人」变成「垃圾」。模型在进步，但用户预期的基准线跑得比模型还快。

prompt engineering 已死

他对 prompt engineering 这个领域，态度更狠：它过时了。

他的理由是，prompt engineering 那些技巧（角色扮演、全大写强调、few-shot 示例）是前 reasoning 模型时代的产物。所谓 reasoning 模型，就是会先自己推演一遍再回答的模型（像 GPT-5 的思考模式、OpenAI 的 o 系列）。它出现之前的模型不会自己思考，你要用角色扮演、全大写这些技巧把它引导到位。但 reasoning 模型会自己想，这些技巧反而成了干扰。

他给了一个具体例子。Claude 喜欢你用全大写强调重点。但 GPT-5 开了思考模式之后，你用全大写，它会在自己的内心独白里乱套，循环反而变慢。同一个技巧，在两个模型上是相反的效果。也就是说，prompt engineering 不可能标准化成一套通用技巧，根本不存在「在所有模型上都成立」的技巧。

他的做法是不写统一的 prompt 文件，针对每个模型分别调。他甚至说，给 agent 加「你是一个资深工程师」这种角色设定，在现在的模型上基本没用。整个 prompt engineering 领域，「一年前还有用，现在充其量是浪费时间」。

他对各家模型的直白评价

他在演讲里给过一些非常不留情面的评价。

Gemini「不是一个好模型」，工具调用和 agent 场景都不行
MiniMax M2 是开源模型里最 agentic 的，虽然和美国头部实验室还有差距，但追上是时间问题
Opus（Claude）有某种「特别的东西」，用起来很舒服，它驱动着他的 OpenClaw

这些评价都不是外交辞令。他不是在发布会上客套，是在一线用了一整年之后下的判断，时间大约到 2026 年中。当然，这是他个人的判断，不是客观排名，而且他 2 月加入了 OpenAI，评 GPT-5 时带立场，要打折；模型迭代又快，过几个月可能就变。但他给的每一条都有具体理由（为什么慢、为什么返工、为什么乱套），比基准测试分数可复现得多。

选模型的真问题

把上面这些连起来，他想说的其实是：选模型这件事，看基准测试分数是最没用的。

基准测试测的是模型在标准任务上的上限。但你真实工作里，模型的表现取决于它怎么读你的代码、怎么处理你的上下文、会不会过度自信、适不适合你的工作节奏。这些东西基准测试测不出来，只能你自己拿真实任务去试。

模型的强弱不在分数表上，在它和你代码库相处的方式里。分数告诉你它能不能，相处告诉你它好不好用。

而且，正如上一篇讲的，他宁可花力气搭一个好 harness，也不纯靠等更强的模型。旧模型配好 harness，能打赢新模型配烂 harness。模型选不对可以换，harness 搭不好，再强的模型也救不了你。

下一篇，话题会重很多。他造 OpenClaw 五个月，收到了 1142 份安全报告，比 Linux 内核日均还多一倍。从那些报告里，他看到了一个他不想看到的行业真相。

（本系列第五篇：被 1142 份报告淹没之后。）

参考（Steinberger 公开演讲，YouTube）：

2026-01-28 Pragmatic Engineer 访谈：https://youtu.be/8lF7HmQ_RgY
2026-02-07「Why 80% Of Apps Will Disappear」：https://youtu.be/4uzGDAoNOZc
2026-01-23 GitHub Open Source Friday：https://youtu.be/1iCcUjnAIOM
2026-03-01 Imperial College London：https://youtu.be/rnuI_fR6t1Q
2025-10-19 NSSpain：https://youtu.be/NjW7lxtZwIM

交流群

和我们一起探索

扫码加入