Owl AI - AI API Gateway
api.owlai.tech · 测评于 2026-09-27 15:42 · 最近更新批次 #275
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%；最低能力维度 0 分，低于 30 分
- gpt-5.4-mini：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%；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
- gpt-5.4：题目通过率 60%，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-5.6-luna
GPT · 平均延迟 7.15秒 · 成功率 90%（9/10 题）
82.5 分
能力分88.6
性能分89.0
一致性分57.0
首字最快用时1.80秒
首字平均用时3.51秒
每秒最大 tokens228.79
平均每秒 tokens111.10
平均响应延迟7.15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
100.0 (2/2)
知识
50.0 (1/2)
gpt-5.5
GPT · 平均延迟 9.83秒 · 成功率 70%（7/10 题）
78.2 分
能力分68.1
性能分77.5
一致性分100.0
首字最快用时2.22秒
首字平均用时5.61秒
每秒最大 tokens551.39
平均每秒 tokens146.35
平均响应延迟9.83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
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-5.4-mini
GPT · 平均延迟 5.19秒 · 成功率 80%（8/10 题）
69.4 分
能力分78.7
性能分87.9
一致性分14.0
首字最快用时1.26秒
首字平均用时1.48秒
每秒最大 tokens73.78
平均每秒 tokens70.61
平均响应延迟5.19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
100.0 (2/2)
该模型触发测评预警：最低能力维度 0 分，低于 30 分
gpt-5.6-sol
GPT · 平均延迟 5.79秒 · 成功率 70%（7/10 题）
63.4 分
能力分65.9
性能分86.1
一致性分13.1
首字最快用时1.87秒
首字平均用时2.84秒
每秒最大 tokens180.00
平均每秒 tokens96.10
平均响应延迟5.79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
44.4 (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-terra
GPT · 平均延迟 6.92秒 · 成功率 60%（6/10 题）
55.8 分
能力分57.5
性能分81.4
一致性分1.4
首字最快用时1.94秒
首字平均用时3.54秒
每秒最大 tokens621.74
平均每秒 tokens140.19
平均响应延迟6.92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
0.0 (0/2)
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
gpt-5.4
GPT · 平均延迟 7.63秒 · 成功率 60%（6/10 题）
52.4 分
能力分57.5
性能分72.8
一致性分1.4
首字最快用时1.45秒
首字平均用时1.95秒
每秒最大 tokens56.82
平均每秒 tokens54.57
平均响应延迟7.63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
0.0 (0/2)
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
返回排行榜
Ai速测