New API
ai.xem8k5.top · 测评于 2026-09-27 15:42 · 最近更新批次 #140
codex-auto-review
最佳模型 77.5
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
- gpt-5.5：题目通过率 70%，低于 75%
- gpt-5.3-codex-spark：题目通过率 60%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-terra：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-sol：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。
codex-auto-review
Codex · 平均延迟 10.10秒 · 成功率 90%（9/10 题）
77.5 分
能力分90.9
性能分74.4
一致性分57.0
首字最快用时2.26秒
首字平均用时5.31秒
每秒最大 tokens95.05
平均每秒 tokens63.16
平均响应延迟10.10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
100.0 (2/2)
知识
100.0 (2/2)
gpt-5.5
GPT · 平均延迟 10.56秒 · 成功率 70%（7/10 题）
68.2 分
能力分68.2
性能分78.5
一致性分47.7
首字最快用时3.94秒
首字平均用时5.27秒
每秒最大 tokens303.72
平均每秒 tokens83.28
平均响应延迟10.56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
44.4 (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%
gpt-5.3-codex-spark
GPT · 平均延迟 4.97秒 · 成功率 60%（6/10 题）
60.2 分
能力分59.1
性能分82.9
一致性分17.1
首字最快用时2.23秒
首字平均用时3.06秒
每秒最大 tokens991.39
平均每秒 tokens681.44
平均响应延迟4.97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
44.4 (1/2)
知识
50.0 (1/2)
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
gpt-5.6-terra
GPT · 平均延迟 3.11秒 · 成功率 0%（0/10 题）
47.1 分
能力分0.0
性能分67.8
一致性分100.0
首字最快用时1.86秒
首字平均用时3.11秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟3.11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-sol
GPT · 平均延迟 4.00秒 · 成功率 0%（0/10 题）
46.0 分
能力分0.0
性能分65.0
一致性分100.0
首字最快用时3.19秒
首字平均用时4.00秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟4.00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