New API
api.akane.win · 测评于 2026-09-27 15:42 · 最近更新批次 #594
kiro-claude-opus-5-thinking
最佳模型 57.8
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
- kiro-claude-opus-5-thinking：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- kimi-k3-c：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- kiro-claude-opus-4-8-thinking：题目通过率 60%，低于 75%；最低能力维度 0 分，低于 30 分
- ais-gemini-3.1-pro-preview：题目通过率 50%，低于 75%；最低能力维度 0 分，低于 30 分
- gemini-2.5-pro-ci：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。
kiro-claude-opus-5-thinking
Claude · 平均延迟 16.16秒 · 成功率 70%（7/10 题）
57.8 分
能力分70.2
性能分67.2
一致性分14.0
首字最快用时2.58秒
首字平均用时2.89秒
每秒最大 tokens61.32
平均每秒 tokens44.85
平均响应延迟16.16秒
一致性判定：偏科明显
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
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
kimi-k3-c
Kimi / Moonshot · 平均延迟 21.10秒 · 成功率 70%（7/10 题）
57.6 分
能力分68.1
性能分69.0
一致性分14.0
首字最快用时1.88秒
首字平均用时2.65秒
每秒最大 tokens81.13
平均每秒 tokens46.67
平均响应延迟21.10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
0.0 (0/2)
中文
100.0 (2/2)
知识
50.0 (1/2)
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
kiro-claude-opus-4-8-thinking
Claude · 平均延迟 19.06秒 · 成功率 60%（6/10 题）
51.8 分
能力分59.6
性能分61.0
一致性分17.6
首字最快用时2.73秒
首字平均用时3.19秒
每秒最大 tokens53.98
平均每秒 tokens39.62
平均响应延迟19.06秒
一致性判定：偏科明显
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
100.0 (2/2)
知识
50.0 (1/2)
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
ais-gemini-3.1-pro-preview
Gemini · 平均延迟 17.20秒 · 成功率 50%（5/10 题）
49.9 分
能力分48.9
性能分62.9
一致性分25.7
首字最快用时7.46秒
首字平均用时8.66秒
每秒最大 tokens299.88
平均每秒 tokens211.73
平均响应延迟17.20秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
50.0 (1/2)
代码
50.0 (1/2)
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
gemini-2.5-pro-ci
Gemini · 平均延迟 28.96秒 · 成功率 10%（1/10 题）
25.2 分
能力分10.6
性能分23.8
一致性分57.0
首字最快用时5.02秒
首字平均用时7.37秒
每秒最大 tokens103.98
平均每秒 tokens17.82
平均响应延迟28.96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
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 10%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测