xhyapi - AI API Gateway
xhyapi.com · 测评于 2026-09-27 15:42 · 最近更新批次 #664
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 60%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-6：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-6-astra：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- codex-auto-review：题目通过率 60%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6：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-5.5
GPT · 平均延迟 14.58秒 · 成功率 90%（9/10 题）
76.7 分
能力分89.1
性能分74.0
一致性分57.0
首字最快用时0.63秒
首字平均用时1.15秒
每秒最大 tokens54.26
平均每秒 tokens38.02
平均响应延迟14.58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-5.6-sol
GPT · 平均延迟 9.42秒 · 成功率 60%（6/10 题）
67.8 分
能力分57.5
性能分67.2
一致性分90.0
首字最快用时0.83秒
首字平均用时1.23秒
每秒最大 tokens50.65
平均每秒 tokens39.72
平均响应延迟9.42秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
44.4 (1/2)
代码
100.0 (2/2)
中文
0.0 (0/2)
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-6
GPT · 平均延迟 10.82秒 · 成功率 70%（7/10 题）
54.9 分
能力分67.4
性能分63.4
一致性分13.1
首字最快用时0.89秒
首字平均用时1.29秒
每秒最大 tokens32.27
平均每秒 tokens28.29
平均响应延迟10.82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-6-astra
GPT · 平均延迟 13.10秒 · 成功率 70%（7/10 题）
54.3 分
能力分67.4
性能分61.9
一致性分13.1
首字最快用时0.63秒
首字平均用时0.93秒
每秒最大 tokens31.14
平均每秒 tokens23.39
平均响应延迟13.10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
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
codex-auto-review
Codex · 平均延迟 12.83秒 · 成功率 60%（6/10 题）
52.3 分
能力分56.8
性能分65.4
一致性分17.1
首字最快用时0.59秒
首字平均用时1.00秒
每秒最大 tokens50.67
平均每秒 tokens35.11
平均响应延迟12.83秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
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 60%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.6
GPT · 平均延迟 17.13秒 · 成功率 60%（6/10 题）
50.3 分
能力分58.7
性能分58.4
一致性分17.1
首字最快用时0.75秒
首字平均用时0.97秒
每秒最大 tokens30.21
平均每秒 tokens21.80
平均响应延迟17.13秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
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 60%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测