Maru Code
api.muteki.site · 测评于 2026-09-27 15:42 · 最近更新批次 #183
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-5.6-sol：最低能力维度 0 分，低于 30 分
- gpt-5.6-terra：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 66.67%，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-sol
GPT · 平均延迟 9.21秒 · 成功率 78%（7/9 题）
63.0 分
能力分76.2
性能分74.3
一致性分14.0
首字最快用时1.52秒
首字平均用时1.67秒
每秒最大 tokens53.41
平均每秒 tokens47.39
平均响应延迟9.21秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
100.0 (2/2)
中文
100.0 (1/1)
知识
0.0 (0/2)
该模型触发测评预警：最低能力维度 0 分，低于 30 分
gpt-5.6-terra
GPT · 平均延迟 7.90秒 · 成功率 70%（7/10 题）
59.0 分
能力分68.1
性能分72.8
一致性分13.1
首字最快用时1.57秒
首字平均用时1.69秒
每秒最大 tokens53.93
平均每秒 tokens48.26
平均响应延迟7.90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
GPT · 平均延迟 7.46秒 · 成功率 67%（6/9 题）
56.5 分
能力分64.3
性能分70.3
一致性分13.1
首字最快用时1.60秒
首字平均用时1.99秒
每秒最大 tokens51.35
平均每秒 tokens46.96
平均响应延迟7.46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 (1/1)
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 66.67%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测