deepkey.top
deepkey.top · 测评于 2026-09-27 15:42 · 最近更新批次 #368
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-5.6-sol：题目通过率 50%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.5：题目通过率 50%，低于 75%；最低能力维度 0 分，低于 30 分
- codex-auto-review：题目通过率 30%，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-5.6-sol
GPT · 平均延迟 16.33秒 · 成功率 50%（5/10 题）
57.5 分
能力分46.7
性能分61.1
一致性分72.0
首字最快用时3.25秒
首字平均用时9.24秒
每秒最大 tokens207.28
平均每秒 tokens83.89
平均响应延迟16.33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
50.0 (1/2)
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 50%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.5
GPT · 平均延迟 16.00秒 · 成功率 50%（5/10 题）
44.8 分
能力分46.7
性能分61.6
一致性分7.4
首字最快用时3.59秒
首字平均用时8.68秒
每秒最大 tokens236.57
平均每秒 tokens77.70
平均响应延迟16.00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
50.0 (1/2)
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 50%，低于 75%；最低能力维度 0 分，低于 30 分
codex-auto-review
Codex · 平均延迟 20.34秒 · 成功率 30%（3/10 题）
31.9 分
能力分31.1
性能分41.5
一致性分14.0
首字最快用时3.95秒
首字平均用时12.01秒
每秒最大 tokens233.83
平均每秒 tokens68.83
平均响应延迟20.34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
100.0 (2/2)
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 30%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测