Ai速测

基元律动｜多模型 AI API 与 OpenSquilla 智能路由

tokenrhythm.studio · 测评于 2026-09-27 23:26 · 最近更新批次 #694

47.8
综合评分
26.0
能力分（40%）
67.5
性能分（40%）
52.0
一致性分（20%）
0.61s
首字最快用时
3.80s
首字平均用时
1,000.0
每秒最大 tokens
130.1
平均每秒 tokens
10
测评模型数
kimi-k2.7-code
最佳模型 70.8
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。
kimi-k2.7-code
Kimi / Moonshot · 平均延迟 7.76秒 · 成功率 70%（7/10 题）
70.8 分
能力分66.7
性能分87.2
一致性分46.4
首字最快用时0.86秒
首字平均用时2.51秒
每秒最大 tokens105.89
平均每秒 tokens80.24
平均响应延迟7.76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 44.4 (1/2)
知识 50.0 (1/2)
该模型触发测评预警：成功率低于 85%
qwen3.8-max
通义千问 / Qwen · 平均延迟 10.25秒 · 成功率 70%（7/10 题）
56.3 分
能力分68.9
性能分65.2
一致性分13.1
首字最快用时1.34秒
首字平均用时2.86秒
每秒最大 tokens52.63
平均每秒 tokens40.81
平均响应延迟10.25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 0.0 (0/2)
中文 100.0 (2/2)
知识 100.0 (2/2)
该模型触发测评预警：成功率低于 85%；最低维度低于 35 分
glm-5.2
GLM / ChatGLM · 平均延迟 9.15秒 · 成功率 30%（3/10 题）
52.7 分
能力分26.7
性能分81.0
一致性分48.0
首字最快用时0.76秒
首字平均用时1.27秒
每秒最大 tokens119.35
平均每秒 tokens100.12
平均响应延迟9.15秒
一致性判定：与声明特征偏差较大
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 · 10.0 / 10.0 分 通过
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
动态结构化输出 JSON 结构化 · 0.0 / 12.0 分 未通过
JSON 不可解析、字段多余/缺失，或字段值类型不符合。
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 · 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。
长文本定位与记忆 上下文能力 · 0.0 / 12.0 分 未通过
最终答案或格式约束不符合预期。
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
glm-5
GLM / ChatGLM · 平均延迟 19.16秒 · 成功率 30%（3/10 题）
47.3 分
能力分31.1
性能分63.3
一致性分47.7
首字最快用时1.11秒
首字平均用时2.01秒
每秒最大 tokens93.31
平均每秒 tokens51.03
平均响应延迟19.16秒
一致性判定：偏科明显
五大能力维度
数学 50.0 (1/2)
逻辑 0.0 (0/2)
代码 0.0 (0/2)
中文 55.6 (1/2)
知识 50.0 (1/2)
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
qwen3.8-flash
通义千问 / Qwen · 平均延迟 6.58秒 · 成功率 20%（2/10 题）
46.8 分
能力分19.6
性能分71.2
一致性分52.5
首字最快用时0.64秒
首字平均用时0.91秒
每秒最大 tokens84.65
平均每秒 tokens64.03
平均响应延迟6.58秒
一致性判定：偏科明显
五大能力维度
数学 0.0 (0/2)
逻辑 44.4 (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
deepseek-v4-pro
DeepSeek · 平均延迟 8.30秒 · 成功率 11%（1/9 题）
45.4 分
能力分10.0
性能分72.7
一致性分61.8
首字最快用时1.59秒
首字平均用时2.42秒
每秒最大 tokens1,000.00
平均每秒 tokens156.97
平均响应延迟8.30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 (0/1)
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 11.11%，低于 75%；最低能力维度 0 分，低于 30 分
deepseek-v4-flash
DeepSeek · 平均延迟 4.89秒 · 成功率 10%（1/10 题）
44.1 分
能力分11.1
性能分73.1
一致性分52.2
首字最快用时0.61秒
首字平均用时2.21秒
每秒最大 tokens1,000.00
平均每秒 tokens447.85
平均响应延迟4.89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 55.6 (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
glm-5.3-flash
GLM / ChatGLM · 平均延迟 7.04秒 · 成功率 10%（1/10 题）
44.1 分
能力分8.7
性能分70.6
一致性分61.8
首字最快用时0.74秒
首字平均用时1.51秒
每秒最大 tokens100.50
平均每秒 tokens71.09
平均响应延迟7.04秒
一致性判定：偏科明显
五大能力维度
数学 0.0 (0/2)
逻辑 44.4 (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
deepseek-v4-pro-0813
DeepSeek · 平均延迟 16.62秒 · 成功率 10%（1/10 题）
37.0 分
能力分8.7
性能分45.7
一致性分76.0
首字最快用时2.84秒
首字平均用时10.96秒
每秒最大 tokens1,000.00
平均每秒 tokens146.43
平均响应延迟16.62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
deepseek-v4-flash-0731
DeepSeek · 平均延迟 15.65秒 · 成功率 10%（1/10 题）
33.5 分
能力分8.7
性能分44.7
一致性分61.0
首字最快用时2.61秒
首字平均用时11.31秒
每秒最大 tokens432.00
平均每秒 tokens141.88
平均响应延迟15.65秒
一致性判定：偏科明显
五大能力维度
数学 0.0 (0/2)
逻辑 44.4 (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

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