New API
tabitoken.com · 测评于 2026-09-27 15:42 · 最近更新批次 #52
claude-opus-5-thinking
最佳模型 70.0
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
- claude-opus-4-8-thinking：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- claude-opus-4-8：题目通过率 60%，低于 75%；最低能力维度 0 分，低于 30 分
- claude-opus-5：题目通过率 10%，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。
claude-opus-5-thinking
Claude · 平均延迟 15.92秒 · 成功率 80%（8/10 题）
70.0 分
能力分80.4
性能分71.1
一致性分47.1
首字最快用时1.34秒
首字平均用时3.17秒
每秒最大 tokens71.34
平均每秒 tokens49.03
平均响应延迟15.92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
44.4 (1/2)
中文
100.0 (2/2)
知识
100.0 (2/2)
claude-opus-4-8-thinking
Claude · 平均延迟 14.39秒 · 成功率 70%（7/10 题）
60.2 分
能力分71.7
性能分71.9
一致性分14.0
首字最快用时1.35秒
首字平均用时2.35秒
每秒最大 tokens73.70
平均每秒 tokens50.36
平均响应延迟14.39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
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：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
claude-opus-4-8
Claude · 平均延迟 12.47秒 · 成功率 60%（6/10 题）
54.6 分
能力分60.9
性能分66.9
一致性分17.6
首字最快用时1.24秒
首字平均用时2.79秒
每秒最大 tokens79.32
平均每秒 tokens48.38
平均响应延迟12.47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
0.0 (0/2)
中文
50.0 (1/2)
知识
100.0 (2/2)
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
claude-opus-5
Claude · 平均延迟 3.87秒 · 成功率 10%（1/10 题）
26.2 分
能力分10.9
性能分26.2
一致性分57.0
首字最快用时4.49秒
首字平均用时4.49秒
每秒最大 tokens40.26
平均每秒 tokens5.34
平均响应延迟3.87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
返回排行榜
Ai速测