api-inference.modelscope.cn
api-inference.modelscope.cn · 测评于 2026-09-27 15:42 · 最近更新批次 #119
deepseek-ai/DeepSeek-V4-Flash-0731
最佳模型 50.5
关于统一测评
本页数据来自一次「能力 + 性能 + 一致性」统一测评：能力分由五大维度标准化题目判分，性能分由成功率、首字延迟与输出吞吐综合计算，一致性分来自结构化输出、指令遵循、工具调用、流式协议等专项检测。综合分 = 能力 40% + 性能 40% + 一致性 20%。
测评预警
- deepseek-ai/DeepSeek-V4-Flash-0731：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
- ZhipuAI/GLM-4.7-Flash：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- ZhipuAI/GLM-5.2：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-ai/DeepSeek-V4-Pro-0813：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
以上为测评预警（题目通过率或某一能力维度低于配置阈值），不等同于安全或诈骗结论。
每个模型展示其最新一次统一测评结果；不同批次测评过的不同模型会共同保留，不会互相覆盖。展开「一致性专项明细」可查看逐项检测结果。
deepseek-ai/DeepSeek-V4-Flash-0731
DeepSeek · 平均延迟 1.66秒 · 成功率 20%（2/10 题）
50.5 分
能力分20.0
性能分79.9
一致性分52.5
首字最快用时0.35秒
首字平均用时0.82秒
每秒最大 tokens1,000.00
平均每秒 tokens714.61
平均响应延迟1.66秒
一致性判定：偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
中文
44.4 (1/2)
知识
50.0 (1/2)
该模型触发测评预警：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
ZhipuAI/GLM-4.7-Flash
GLM / ChatGLM · 平均延迟 3.39秒 · 成功率 0%（0/10 题）
50.0 分
能力分0.0
性能分75.0
一致性分100.0
首字最快用时0.40秒
首字平均用时0.44秒
每秒最大 tokens1,000.00
平均每秒 tokens900.00
平均响应延迟3.39秒
一致性判定：维度均衡
五大能力维度
数学
0.0 (0/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
中文
0.0 (0/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
ZhipuAI/GLM-5.2
GLM / ChatGLM · 平均延迟 3.20秒 · 成功率 0%（0/9 题）
49.6 分
能力分0.0
性能分73.9
一致性分100.0
首字最快用时0.37秒
首字平均用时1.14秒
每秒最大 tokens1,000.00
平均每秒 tokens592.65
平均响应延迟3.20秒
一致性判定：维度均衡
五大能力维度
数学
0.0 (0/2)
逻辑
0.0 (0/1)
代码
0.0 (0/2)
中文
0.0 (0/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
deepseek-ai/DeepSeek-V4-Pro-0813
DeepSeek · 平均延迟 7.91秒 · 成功率 0%（0/10 题）
33.6 分
能力分0.0
性能分33.9
一致性分100.0
首字最快用时0.91秒
首字平均用时1.16秒
每秒最大 tokens3.08
平均每秒 tokens0.44
平均响应延迟7.91秒
一致性判定：维度均衡
五大能力维度
数学
0.0 (0/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
中文
0.0 (0/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测