New API
api.y-api.bestvirtualgoods.com · 测评于 2026-09-27 15:42 · 最近更新批次 #357
qwen/qwen3.8-flash
最佳模型 79.3
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
- deepseek/deepseek-v4-flash：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
- z-ai/glm-5.3-flash：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。
qwen/qwen3.8-flash
通义千问 / Qwen · 平均延迟 13.73秒 · 成功率 80%（8/10 题）
79.3 分
能力分79.6
性能分93.3
一致性分50.7
首字最快用时0.85秒
首字平均用时1.35秒
每秒最大 tokens131.80
平均每秒 tokens82.02
平均响应延迟13.73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)
deepseek/deepseek-v4-flash
DeepSeek · 平均延迟 19.97秒 · 成功率 20%（2/10 题）
46.6 分
能力分18.2
性能分61.8
一致性分73.0
首字最快用时1.75秒
首字平均用时4.25秒
每秒最大 tokens138.63
平均每秒 tokens65.97
平均响应延迟19.97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
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
z-ai/glm-5.3-flash
GLM / ChatGLM · 平均延迟 20.14秒 · 成功率 0%（0/10 题）
29.2 分
能力分0.0
性能分22.9
一致性分100.0
首字最快用时1.34秒
首字平均用时11.87秒
每秒最大 tokens118.67
平均每秒 tokens47.11
平均响应延迟20.14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