New API
newapi.prorisehub.com · 测评于 2026-09-27 15:42 · 最近更新批次 #571
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-luna：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
- codex-auto-review：题目通过率 10%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.5：题目通过率 10%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-sol：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-luna
GPT · 平均延迟 5.40秒 · 成功率 20%（2/10 题）
45.3 分
能力分19.2
性能分68.7
一致性分50.7
首字最快用时0.59秒
首字平均用时4.41秒
每秒最大 tokens1,000.00
平均每秒 tokens501.27
平均响应延迟5.40秒
一致性判定：偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
50.0 (1/2)
代码
0.0 (0/2)
中文
50.0 (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
codex-auto-review
Codex · 平均延迟 3.08秒 · 成功率 10%（1/10 题）
44.8 分
能力分10.6
性能分72.9
一致性分57.0
首字最快用时0.60秒
首字平均用时2.27秒
每秒最大 tokens1,000.00
平均每秒 tokens534.07
平均响应延迟3.08秒
一致性判定：偏科明显
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
50.0 (1/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 10%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.5
GPT · 平均延迟 2.33秒 · 成功率 10%（1/10 题）
44.5 分
能力分8.5
性能分74.2
一致性分57.0
首字最快用时0.58秒
首字平均用时1.85秒
每秒最大 tokens1,000.00
平均每秒 tokens433.70
平均响应延迟2.33秒
一致性判定：偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
50.0 (1/2)
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 10%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.6-sol
GPT · 平均延迟 5.94秒 · 成功率 0%（0/10 题）
42.4 分
能力分0.0
性能分61.1
一致性分90.0
首字最快用时1.85秒
首字平均用时5.26秒
每秒最大 tokens1,000.00
平均每秒 tokens233.69
平均响应延迟5.94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