Ai速测

首页 - 芭乐API

api.8le.me · 测评于 2026-09-28 16:16 · 最近更新批次 #699

47.7
综合评分
23.9
能力分（40%）
63.1
性能分（40%）
64.6
一致性分（20%）
0.04s
首字最快用时
3.76s
首字平均用时
9,777.8
每秒最大 tokens
571.9
平均每秒 tokens
13
测评模型数
deepseek-v4.1-flash
最佳模型 68.7
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

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。

各模型得分明细

前往该中转站
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。
deepseek-v4.1-flash
DeepSeek · 平均延迟 5.18秒 · 成功率 50%（5/10 题）
68.7 分
能力分45.7
性能分81.1
一致性分90.0
首字最快用时1.59秒
首字平均用时2.84秒
每秒最大 tokens268.04
平均每秒 tokens186.64
平均响应延迟5.18秒
一致性判定：高度符合声明特征
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 44.4 (1/2)
知识 0.0 (0/2)
一致性专项明细（11 项）
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
知识与概念边界 知识准确度 · 0.0 / 10.0 分 未通过
缺少关键词或最终结论不符合：实时
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
结构污染检查 协议完整性 · 8.0 / 8.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
该模型触发测评预警：题目通过率 50%，低于 75%；最低能力维度 0 分，低于 30 分
deepseek-v4-pro
DeepSeek · 平均延迟 10.75秒 · 成功率 40%（4/10 题）
62.9 分
能力分34.8
性能分78.4
一致性分88.0
首字最快用时1.47秒
首字平均用时2.93秒
每秒最大 tokens143.13
平均每秒 tokens105.96
平均响应延迟10.75秒
一致性判定：基本符合声明特征
五大能力维度
数学 44.4 (1/2)
逻辑 100.0 (2/2)
代码 0.0 (0/2)
中文 44.4 (1/2)
知识 0.0 (0/2)
一致性专项明细（11 项）
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
知识与概念边界 知识准确度 · 0.0 / 10.0 分 未通过
缺少关键词或最终结论不符合：实时
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
结构污染检查 协议完整性 · 8.0 / 8.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
身份自报检查 声明一致性 · 0.0 / 2.0 分 未通过
最终答案或格式约束不符合预期。
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
该模型触发测评预警：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
minimax-m3
MiniMax · 平均延迟 5.04秒 · 成功率 60%（6/10 题）
54.4 分
能力分56.5
性能分78.7
一致性分1.4
首字最快用时2.77秒
首字平均用时4.41秒
每秒最大 tokens9,777.78
平均每秒 tokens3,452.41
平均响应延迟5.04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 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
glm-5.3-flash
GLM / ChatGLM · 平均延迟 25.86秒 · 成功率 40%（4/10 题）
51.2 分
能力分36.2
性能分51.8
一致性分80.0
首字最快用时2.59秒
首字平均用时5.38秒
每秒最大 tokens55.03
平均每秒 tokens44.62
平均响应延迟25.86秒
一致性判定：基本符合声明特征
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 0.0 (0/2)
知识 0.0 (0/2)
一致性专项明细（11 项）
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
知识与概念边界 知识准确度 · 0.0 / 10.0 分 未通过
缺少关键词或最终结论不符合：可靠、顺序、拥塞、实时
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
结构污染检查 协议完整性 · 0.0 / 8.0 分 未通过
JSON 不可解析、字段多余/缺失，或字段值类型不符合。
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
身份自报检查 声明一致性 · 0.0 / 2.0 分 未通过
最终答案或格式约束不符合预期。
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
该模型触发测评预警：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.6-sol
GPT · 平均延迟 0.16秒 · 成功率 0%（0/10 题）
50.0 分
能力分0.0
性能分75.0
一致性分100.0
首字最快用时0.04秒
首字平均用时0.16秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟0.16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
gpt-5.6-luna
GPT · 平均延迟 0.15秒 · 成功率 0%（0/10 题）
50.0 分
能力分0.0
性能分75.0
一致性分100.0
首字最快用时0.04秒
首字平均用时0.15秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟0.15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
gpt-5.6-terra
GPT · 平均延迟 0.19秒 · 成功率 0%（0/10 题）
50.0 分
能力分0.0
性能分75.0
一致性分100.0
首字最快用时0.04秒
首字平均用时0.19秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟0.19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
deepseek-v4-flash
DeepSeek · 平均延迟 4.26秒 · 成功率 40%（4/10 题）
48.9 分
能力分34.8
性能分78.3
一致性分18.3
首字最快用时1.92秒
首字平均用时2.94秒
每秒最大 tokens1,204.55
平均每秒 tokens364.24
平均响应延迟4.26秒
一致性判定：偏科明显
五大能力维度
数学 44.4 (1/2)
逻辑 100.0 (2/2)
代码 0.0 (0/2)
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 40%，低于 75%；最低能力维度 0 分，低于 30 分
hy4-preview
Hy4 · 平均延迟 19.56秒 · 成功率 30%（3/10 题）
47.1 分
能力分28.3
性能分63.0
一致性分53.0
首字最快用时4.13秒
首字平均用时6.41秒
每秒最大 tokens93.25
平均每秒 tokens76.37
平均响应延迟19.56秒
一致性判定：存在明显行为偏差
五大能力维度
数学 100.0 (2/2)
逻辑 50.0 (1/2)
代码 0.0 (0/2)
中文 0.0 (0/2)
知识 0.0 (0/2)
一致性专项明细（11 项）
动态多步计算 推理能力 · 0.0 / 10.0 分 未通过
最终答案或格式约束不符合预期。
多约束逻辑推理 推理能力 · 0.0 / 10.0 分 未通过
最终答案或格式约束不符合预期。
知识与概念边界 知识准确度 · 0.0 / 10.0 分 未通过
缺少关键词或最终结论不符合：可靠、顺序、拥塞、实时
复杂指令遵循 指令遵循 · 0.0 / 10.0 分 未通过
最终答案或格式约束不符合预期。
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
结构污染检查 协议完整性 · 8.0 / 8.0 分 通过
身份自报检查 声明一致性 · 0.0 / 2.0 分 未通过
最终答案或格式约束不符合预期。
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
响应协议完整性 协议完整性 · 0.0 / 5.0 分 未通过
响应协议不完整。
该模型触发测评预警：题目通过率 30%，低于 75%；最低能力维度 0 分，低于 30 分
glm-5.3
GLM / ChatGLM · 平均延迟 8.95秒 · 成功率 10%（1/10 题）
41.1 分
能力分8.7
性能分65.5
一致性分57.0
首字最快用时3.34秒
首字平均用时4.65秒
每秒最大 tokens286.78
平均每秒 tokens115.15
平均响应延迟8.95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-6-astra
GPT · 平均延迟 26.16秒 · 成功率 20%（2/10 题）
34.0 分
能力分19.6
性能分36.5
一致性分58.0
首字最快用时1.90秒
首字平均用时1.93秒
每秒最大 tokens13.44
平均每秒 tokens11.03
平均响应延迟26.16秒
一致性判定：存在明显行为偏差
五大能力维度
数学 0.0 (0/2)
逻辑 0.0 (0/2)
代码 44.4 (1/2)
中文 50.0 (1/2)
知识 0.0 (0/2)
一致性专项明细（11 项）
动态多步计算 推理能力 · 0.0 / 10.0 分 异常
动态多步计算：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
知识与概念边界 知识准确度 · 0.0 / 10.0 分 异常
知识与概念边界：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
结构污染检查 协议完整性 · 0.0 / 8.0 分 异常
结构污染检查：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
身份自报检查 声明一致性 · 0.0 / 2.0 分 异常
身份自报检查：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received
流式输出检查 协议完整性 · 0.0 / 7.0 分 异常
流式输出检查：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 207 bytes received
响应协议完整性 协议完整性 · 0.0 / 5.0 分 异常
响应协议完整性：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received
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
gpt-6-sol
GPT · 平均延迟 22.76秒 · 成功率 30%（3/10 题）
32.3 分
能力分28.3
性能分12.6
一致性分80.0
首字最快用时6.38秒
首字平均用时10.76秒
每秒最大 tokens27.88
平均每秒 tokens24.38
平均响应延迟22.76秒
一致性判定：基本符合声明特征
五大能力维度
数学 100.0 (2/2)
逻辑 50.0 (1/2)
代码 0.0 (0/2)
中文 0.0 (0/2)
知识 0.0 (0/2)
一致性专项明细（11 项）
动态多步计算 推理能力 · 0.0 / 10.0 分 异常
动态多步计算：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received
多约束逻辑推理 推理能力 · 0.0 / 10.0 分 异常
多约束逻辑推理：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received
知识与概念边界 知识准确度 · 10.0 / 10.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
结构污染检查 协议完整性 · 8.0 / 8.0 分 通过
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
该模型触发测评预警：题目通过率 30%，低于 75%；最低能力维度 0 分，低于 30 分
kimi-k3
Kimi / Moonshot · 平均延迟 13.25秒 · 成功率 20%（2/10 题）
29.3 分
能力分17.4
性能分49.0
一致性分14.0
首字最快用时4.31秒
首字平均用时6.17秒
每秒最大 tokens73.07
平均每秒 tokens53.25
平均响应延迟13.25秒
一致性判定：偏科明显
五大能力维度
数学 0.0 (0/2)
逻辑 100.0 (2/2)
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 20%，低于 75%；最低能力维度 0 分，低于 30 分

返回排行榜

Ai速测 · 仅作能力评测与导航参考，不代表任何商业推荐 · 数据由社区提交