首页 - 芭乐API
ai.8le.me · 测评于 2026-09-27 15:42 · 最近更新批次 #269
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
- minimax-m3：题目通过率 60%，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
- 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
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。
minimax-m3
MiniMax · 平均延迟 6.57秒 · 成功率 60%（6/10 题）
51.9 分
能力分56.5
性能分72.4
一致性分1.4
首字最快用时3.85秒
首字平均用时6.43秒
每秒最大 tokens13,241.38
平均每秒 tokens6,922.15
平均响应延迟6.57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
100.0 (2/2)
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-flash
DeepSeek · 平均延迟 5.94秒 · 成功率 30%（3/10 题）
49.5 分
能力分26.1
性能分71.0
一致性分53.1
首字最快用时2.74秒
首字平均用时4.48秒
每秒最大 tokens517.62
平均每秒 tokens264.36
平均响应延迟5.94秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
44.4 (1/2)
代码
0.0 (0/2)
中文
44.4 (1/2)
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
deepseek-v4-flash-0731
DeepSeek · 平均延迟 22.53秒 · 成功率 20%（2/10 题）
35.8 分
能力分18.2
性能分45.0
一致性分52.5
首字最快用时3.15秒
首字平均用时18.99秒
每秒最大 tokens1,000.00
平均每秒 tokens146.93
平均响应延迟22.53秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
中文
44.4 (1/2)
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
返回排行榜
Ai速测