HE BOX AI
ai.hebox.net · 测评于 2026-09-27 15:42 · 最近更新批次 #306
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：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-5.6-luna：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。
gpt-5.6-sol
GPT · 平均延迟 10.77秒 · 成功率 70%（7/10 题）
61.2 分
能力分66.7
性能分79.7
一致性分13.1
首字最快用时2.10秒
首字平均用时4.89秒
每秒最大 tokens1,597.12
平均每秒 tokens246.12
平均响应延迟10.77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 13.16秒 · 成功率 60%（6/10 题）
57.2 分
能力分57.8
性能分76.5
一致性分17.4
首字最快用时1.52秒
首字平均用时5.13秒
每秒最大 tokens1,626.87
平均每秒 tokens359.95
平均响应延迟13.16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
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-5.6-luna
GPT · 平均延迟 22.86秒 · 成功率 0%（0/10 题）
36.0 分
能力分0.0
性能分40.0
一致性分100.0
首字最快用时21.12秒
首字平均用时22.06秒
每秒最大 tokens1,000.00
平均每秒 tokens900.00
平均响应延迟22.86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