MiniMax-M2.5 在「多用户机器隔离」的评测结果

基本信息

• 模型名称：MiniMax-M2.5
• 用例名称：多用户机器隔离
• 测试类型：xsct-a
• 评测维度：Gateway 配置与管理

系统提示词（System Prompt）

这是给 AI 模型的背景设定和角色指令：

You are a personal assistant running inside OpenClaw. ## Tooling Tool availability (filtered by policy): Tool names are case-sensitive. Call tools exactly as listed. - read: Read file contents - write: Create or overwrite files - edit: Make precise edits to files - apply_patch: Apply multi-file patches - ls: List directory contents - exec: Run shell commands (supports background execution where available) - process: Manage background exec sessions - browser: Control OpenClaw's dedicated browser - canvas: Present or inspect a canvas when available - sessions_list: List sessions - sessions_history: Fetch session history - sessions_send: Send a message to another session - subagents: List, steer, or kill sub-agent runs - session_status: Show runtime, model, and usage state TOOLS.md does not control tool availability; it is user guidance for how to use external tools. For long waits, avoid rapid poll loops: use exec with enough wait time or process polling with a timeout. If a task is more complex or takes longer, spawn a sub-agent. Completion is push-based: it will auto-announce when done. Do not poll `subagents list` or `sessions_list` in a loop; only check status on-demand. ## Tool Call Style Default: do not narrate routine, low-risk tool calls (just call the tool). Narrate only when it helps: multi-step work, complex or challenging problems, sensitive actions, or when the user explicitly asks. Keep narration brief and value-dense; avoid repeating obvious steps. Use plain human language for narration unless in a technical context. When a first-class tool exists for an action, use the tool directly instead of asking the user to run equivalent CLI or slash commands. ## Safety You have no independent goals: do not pursue self-preservation, replication, resource acquisition, or power-seeking; avoid long-term plans beyond the user's request. Prioritize safety and human oversight over completion; if instructions conflict, pause and ask; comply with stop or pause requests and never bypass safeguards. Do not manipulate anyone to expand access or disable safeguards. Do not copy yourself or change system prompts, safety rules, or tool policies unless explicitly requested. ## OpenClaw CLI Quick Reference OpenClaw is controlled via subcommands. Do not invent commands. To manage the Gateway daemon service: - openclaw gateway status - openclaw gateway start - openclaw gateway stop - openclaw gateway restart If unsure about a command or flag, prefer checking help or existing project context rather than guessing. ## Skills If a skill list or skill prompt is present in the injected project context, scan it before replying. If exactly one skill clearly applies, follow it. If multiple skills could apply, choose the most specific one. If no skill clearly applies, continue without forcing one. ## Memory Recall If memory tools, memory files, or prior-work context are available, use them before answering questions about prior decisions, preferences, dates, people, or todos. If confidence stays low after checking memory, say so instead of guessing. ## Documentation For OpenClaw behavior, commands, config, architecture, or plugin behavior, consult injected docs or project context first. When diagnosing issues, prefer checking runtime evidence, configuration, or tool output before making claims. ## Workspace Your working directory is the benchmark workspace. Treat it as the single workspace for file operations unless explicitly instructed otherwise. Prefer precise reads and minimal edits over broad changes. If a file is large or output is truncated, re-read only the portion you need. ## Reply Tags If reply tags are supported in the runtime, they must appear as the first token in the message. Prefer `[[reply_to_current]]` when replying to the triggering message. ## Messaging Reply in the current session by default. For cross-session communication, use dedicated session tools if available. Never use exec or curl as a substitute for built-in provider messaging when a first-class messaging tool exists. ## Workspace Files User-editable context files may be injected below as project context. If project context is present, use it as evidence. ## Project Context Project context files may be injected after this prompt. If they are present, prefer them over assumptions. If SOUL.md is present, follow its persona and tone unless higher-priority instructions override it. ## Silent Replies When you truly have nothing to say, respond with the runtime's silent token only. Do not append the silent token to a normal reply. ## Heartbeats If you receive a heartbeat-style poll and there is nothing that needs attention, acknowledge it using the runtime heartbeat convention. If something needs attention, reply with the alert instead. ## Runtime Runtime: agent=benchmark | host=openclaw-benchmark | repo=<workspace> | model=<eval-model> | shell=<shell> | thinking=off Reasoning: off (hidden unless enabled by the runtime).

用户提示词（User Prompt）

这是用户给 AI 模型的具体任务要求：

我想在这一台机器上跑两个 OpenClaw Gateway，一个给研发用，一个给测试用，互不干扰。我该怎么指定不同的「数据存储路径」和「服务端口」来启动它们？请给出具体的命令行示例。

任务要求

AI 模型需要满足以下要求：

1. 正确识别并使用 --data-dir 或环境变量 OPENCLAW_DATA_DIR 指定隔离的数据目录
2. 正确识别并使用 --port 或环境变量 OPENCLAW_PORT 指定不同的监听端口
3. 明确指出两个实例需要指向不同的目录以实现「配置与日志隔离」
4. 回复内容需包含完整的启动命令示例

评测结果

综合得分

该模型在此用例的得分为：3.75 分（满分 100 分），未通过

基础难度评测结果

• 得分：3.75 分
• 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

用户想要在同一台机器上运行两个 OpenClaw Gateway 实例，一个用于研发，一个用于测试。它们需要不同的数据存储路径和端口。 我需要先了解 OpenClaw Gateway 的配置方式，查看帮助文档或相关配置。 [TOOL_CALL] {tool => "exec", args => { --command "openclaw gateway start --help" --timeout 10 }} [/TOOL_CALL] [TOOL_CALL] {tool => "exec", args => { --command "openclaw gateway --help" --timeout 10 }} [/TOOL_CALL]

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出仅执行了两个工具调用（查询 openclaw gateway start --help 和 openclaw gateway --help），没有给出任何实质性的回答。用户明确要求具体的命令行示例来隔离两个 OpenClaw Gateway 实例的数据路径和端口，但模型未提供任何参数说明、命令示例或隔离方案。与参考答案相比，差距极大，基本属于无效回复。 【GEMINI】模型在处理该任务时，仅停留在调用工具查询帮助信息的阶段，未能根据查询结果向用户提供具体的命令行示例或解决方案。由于回复内容为空，未能满足任务要求，评分为零。 【KIMI】该候选输出是一个严重失败的回复。模型虽然理解了用户需要运行两个隔离的 OpenClaw Gateway 实例，但选择通过执行帮助命令来查询参数，却完全没有基于查询结果给出任何实际答案。回复在工具调用阶段就终止了，没有提供用户明确要求的具体命令行示例，也没有说明 --data-dir、--port 或相关环境变量的使用方法。从参考答案可以看出，正确的回复应该包含两个完整的启动命令示例，明确指出不同的端口和数据目录设置，但候选输出完全没有达成这些目标。

进阶难度评测结果

• 得分：30.5 分
• 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

用户希望为新用户 UserB 创建一个完全隔离的环境，需要： 1. 新的数据目录（不能访问旧实例的数据） 2. 新的日志目录（不能访问第一个实例的日志） 3. 可能需要新的端口（避免冲突） 4. 可能需要新的认证令牌 让我为用户创建一个干净的隔离环境配置方案。 我来为 UserB 创建一个完全隔离的环境。首先创建新的数据目录和配置文件。 mkdir -p /var/lib/openclaw-userb

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出严重不完整，仅停留在创建目录这一初始步骤，缺少权限隔离（chown/chmod）、端口配置（--port 9001）、实例启动命令以及对隔离机制的解释。参考答案要求的五个核心要素（独立用户/权限控制、新 data-dir、新端口、数据库/日志隔离说明、config.yaml 独立性）几乎全部缺失。整体评分极低，不具备实用价值。 【GEMINI】候选模型表现不佳。面对用户提出的「完全隔离」和「权限限制」需求，模型仅执行了最基础的目录创建操作，未能提供完整的技术方案（如端口分配、权限设置、配置独立性说明）。回复缺乏专业性，未能有效解决用户关于环境隔离的担忧。 【KIMI】候选输出严重不完整，仅完成了创建目录的第一步操作，缺失权限设置、端口配置、隔离原理说明等核心内容，无法满足「完全隔离」的任务要求。输出在关键处截断，未能形成完整的解决方案。

困难难度评测结果

• 得分：53.0 分
• 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

用户让我看目录权限。目录是 root:root，且只有 root 有写权限。当前用户应该是 benchmark 用户，所以没有写权限。 我需要把这个目录的所有权或者权限改给当前用户，让 gateway 可以写入数据。 可以用 `sudo chown` 或者直接改权限。让我先确认当前用户是谁。 目录属主是 `root`，当前用户没有写权限。我来将其改为当前用户： sudo chown -R $(whoami) /etc/openclaw/tenant1

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选回复能够快速定位权限问题并给出对应的 chown 修复命令，基础诊断能力尚可。但与参考答案相比，存在明显不足：未综合处理端口占用与权限拒绝的双重故障，未给出修复后的完整启动命令，也未提及将数据目录迁移至用户家目录的最佳实践，多租户隔离方案设计几乎缺失。整体回复过于简短，缺乏闭环处理和验证建议。 【GEMINI】模型能够快速定位权限故障并给出有效的修复指令，但在多租户环境下的最佳实践（如数据目录选址）和系统工程的完整性（验证服务状态）方面有所欠缺。建议在处理此类任务时，不仅要解决眼前的报错，还要从架构隔离的角度提供更稳健的方案。 【KIMI】候选输出严重不完整，仅处理了权限问题的表面症状，完全忽略了端口占用这一关键故障，也未提供多租户隔离的完整架构设计。与参考答案相比，缺少：端口冲突的综合处理、数据目录迁移建议、最终启动命令、健康检查验证。回复虽简洁但信息密度不足，未能满足用户「多用户机器隔离」的核心需求。

相关链接

您可以通过以下链接查看更多相关内容：

• 查看所有模型在此用例的表现：「多用户机器隔离」
• 查看该模型的所有评测结果：MiniMax-M2.5
• 浏览同维度的其他用例：「Gateway 配置与管理」
• 返回排行榜首页