西牧ai - AI API Gateway
codex.ximuai.com · 测评于 2026-09-27 15:42 · 最近更新批次 #401
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-4o-realtime-preview：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-4o-audio-preview：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-6-astra：题目通过率 50%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-terra：题目通过率 30%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-sol：题目通过率 30%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-luna：题目通过率 40%，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 10.50秒 · 成功率 80%（8/10 题）
73.3 分
能力分80.9
性能分77.2
一致性分50.7
首字最快用时0.94秒
首字平均用时1.81秒
每秒最大 tokens54.30
平均每秒 tokens52.46
平均响应延迟10.50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
100.0 (2/2)
知识
50.0 (1/2)
gpt-4o-realtime-preview
GPT · 平均延迟 0.83秒 · 成功率 0%（0/10 题）
50.0 分
能力分0.0
性能分74.9
一致性分100.0
首字最快用时0.47秒
首字平均用时0.83秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟0.83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-4o-audio-preview
GPT · 平均延迟 0.97秒 · 成功率 0%（0/10 题）
49.8 分
能力分0.0
性能分74.5
一致性分100.0
首字最快用时0.47秒
首字平均用时0.97秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟0.97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-6-astra
GPT · 平均延迟 9.46秒 · 成功率 50%（5/10 题）
48.3 分
能力分51.1
性能分56.9
一致性分25.6
首字最快用时0.88秒
首字平均用时1.01秒
每秒最大 tokens31.61
平均每秒 tokens23.86
平均响应延迟9.46秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
55.6 (1/2)
代码
100.0 (2/2)
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 50%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.6-terra
GPT · 平均延迟 16.56秒 · 成功率 30%（3/10 题）
37.9 分
能力分27.3
性能分40.8
一致性分53.1
首字最快用时1.03秒
首字平均用时5.53秒
每秒最大 tokens55.70
平均每秒 tokens29.55
平均响应延迟16.56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
44.4 (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 30%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.6-sol
GPT · 平均延迟 18.01秒 · 成功率 30%（3/10 题）
33.9 分
能力分27.3
性能分31.5
一致性分51.9
首字最快用时1.04秒
首字平均用时6.36秒
每秒最大 tokens30.95
平均每秒 tokens16.94
平均响应延迟18.01秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
50.0 (1/2)
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 30%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.6-luna
GPT · 平均延迟 18.36秒 · 成功率 40%（4/10 题）
30.5 分
能力分38.6
性能分28.5
一致性分17.9
首字最快用时1.08秒
首字平均用时9.80秒
每秒最大 tokens53.58
平均每秒 tokens26.84
平均响应延迟18.36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
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 40%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测