api.a6api.com
api.a6api.com · 测评于 2026-09-27 15:42 · 最近更新批次 #622
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
- qwen3.8-flash：题目通过率 70%，低于 75%
- DeepSeek-V4-Flash-0731：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-sol：题目通过率 70%，低于 75%
- claude-haiku-4-5-20251001：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-luna：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
- hy4-preview：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v4-pro：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v4-flash-vision-exp：题目通过率 10%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v4-flash：题目通过率 30%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-image-2：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-terra：题目通过率 60%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v4-pro-0813：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
- kimi-k3：题目通过率 30%，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。
gpt-6-astra
GPT · 平均延迟 10.42秒 · 成功率 80%（8/10 题）
73.3 分
能力分80.0
性能分78.8
一致性分48.7
首字最快用时1.65秒
首字平均用时5.99秒
每秒最大 tokens1,500.00
平均每秒 tokens192.55
平均响应延迟10.42秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
55.6 (1/2)
中文
44.4 (1/2)
知识
100.0 (2/2)
qwen3.8-flash
通义千问 / Qwen · 平均延迟 14.93秒 · 成功率 70%（7/10 题）
72.3 分
能力分70.2
性能分67.6
一致性分86.0
首字最快用时1.19秒
首字平均用时3.89秒
每秒最大 tokens86.17
平均每秒 tokens51.45
平均响应延迟14.93秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
55.6 (1/2)
中文
50.0 (1/2)
知识
50.0 (1/2)
该模型触发测评预警：题目通过率 70%，低于 75%
DeepSeek-V4-Flash-0731
DeepSeek · 平均延迟 5.49秒 · 成功率 40%（4/10 题）
67.1 分
能力分34.8
性能分83.0
一致性分100.0
首字最快用时1.04秒
首字平均用时1.45秒
每秒最大 tokens273.46
平均每秒 tokens215.28
平均响应延迟5.49秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
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 40%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.6-sol
GPT · 平均延迟 18.42秒 · 成功率 70%（7/10 题）
64.7 分
能力分68.9
性能分43.8
一致性分98.0
首字最快用时4.23秒
首字平均用时11.42秒
每秒最大 tokens153.16
平均每秒 tokens50.90
平均响应延迟18.42秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
50.0 (1/2)
中文
55.6 (1/2)
知识
50.0 (1/2)
该模型触发测评预警：题目通过率 70%，低于 75%
claude-haiku-4-5-20251001
Claude · 平均延迟 8.39秒 · 成功率 70%（7/10 题）
62.9 分
能力分68.8
性能分81.6
一致性分14.0
首字最快用时1.42秒
首字平均用时4.29秒
每秒最大 tokens228.47
平均每秒 tokens148.81
平均响应延迟8.39秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
0.0 (0/2)
中文
50.0 (1/2)
知识
100.0 (2/2)
该模型触发测评预警：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.6
GPT · 平均延迟 14.18秒 · 成功率 70%（7/10 题）
56.9 分
能力分68.8
性能分66.5
一致性分14.0
首字最快用时3.84秒
首字平均用时9.12秒
每秒最大 tokens1,822.22
平均每秒 tokens244.08
平均响应延迟14.18秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
100.0 (2/2)
中文
50.0 (1/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.6-luna
GPT · 平均延迟 17.15秒 · 成功率 40%（4/10 题）
54.4 分
能力分41.3
性能分67.5
一致性分54.4
首字最快用时1.79秒
首字平均用时6.41秒
每秒最大 tokens1,780.49
平均每秒 tokens215.18
平均响应延迟17.15秒
一致性判定：偏科明显
五大能力维度
数学
55.6 (1/2)
逻辑
50.0 (1/2)
代码
0.0 (0/2)
中文
50.0 (1/2)
知识
50.0 (1/2)
该模型触发测评预警：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
hy4-preview
Hy4 · 平均延迟 6.85秒 · 成功率 0%（0/10 题）
49.1 分
能力分0.0
性能分72.7
一致性分100.0
首字最快用时1.25秒
首字平均用时1.54秒
每秒最大 tokens108.20
平均每秒 tokens82.40
平均响应延迟6.85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
deepseek-v4-pro
DeepSeek · 平均延迟 11.44秒 · 成功率 40%（4/10 题）
48.2 分
能力分39.1
性能分80.6
一致性分1.4
首字最快用时1.53秒
首字平均用时2.22秒
每秒最大 tokens119.76
平均每秒 tokens94.30
平均响应延迟11.44秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
中文
100.0 (2/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
deepseek-v4-flash-vision-exp
DeepSeek · 平均延迟 12.34秒 · 成功率 10%（1/10 题）
47.1 分
能力分8.9
性能分63.9
一致性分90.0
首字最快用时2.07秒
首字平均用时5.16秒
每秒最大 tokens1,000.00
平均每秒 tokens123.21
平均响应延迟12.34秒
一致性判定：偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
50.0 (1/2)
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 10%，低于 75%；最低能力维度 0 分，低于 30 分
deepseek-v4-flash
DeepSeek · 平均延迟 5.59秒 · 成功率 30%（3/10 题）
45.5 分
能力分26.1
性能分80.7
一致性分14.0
首字最快用时1.04秒
首字平均用时1.38秒
每秒最大 tokens287.96
平均每秒 tokens220.85
平均响应延迟5.59秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
50.0 (1/2)
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 30%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-image-2
GPT · 平均延迟 4.78秒 · 成功率 0%（0/10 题）
45.0 分
能力分0.0
性能分62.6
一致性分100.0
首字最快用时0.82秒
首字平均用时4.78秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟4.78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
gpt-5.6-terra
GPT · 平均延迟 17.53秒 · 成功率 60%（6/10 题）
44.6 分
能力分56.5
性能分46.3
一致性分17.6
首字最快用时2.52秒
首字平均用时8.25秒
每秒最大 tokens95.85
平均每秒 tokens41.65
平均响应延迟17.53秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
50.0 (1/2)
中文
50.0 (1/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 60%，低于 75%；最低能力维度 0 分，低于 30 分
deepseek-v4-pro-0813
DeepSeek · 平均延迟 12.21秒 · 成功率 20%（2/10 题）
40.5 分
能力分17.4
性能分76.9
一致性分14.0
首字最快用时1.52秒
首字平均用时1.80秒
每秒最大 tokens111.43
平均每秒 tokens92.57
平均响应延迟12.21秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
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 20%，低于 75%；最低能力维度 0 分，低于 30 分
kimi-k3
Kimi / Moonshot · 平均延迟 22.03秒 · 成功率 30%（3/10 题）
22.5 分
能力分26.1
性能分23.1
一致性分14.0
首字最快用时4.82秒
首字平均用时14.50秒
每秒最大 tokens84.39
平均每秒 tokens34.18
平均响应延迟22.03秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
100.0 (2/2)
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 30%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测