NewBuddy
wb.newbuddy.top · 测评于 2026-09-27 15:42 · 最近更新批次 #598
deepseek-v4.1-flash
最佳模型 59.3
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-v4.1-flash：题目通过率 60%，低于 75%；最低能力维度 0 分，低于 30 分
- auto：题目通过率 40%，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。
deepseek-v4.1-flash
DeepSeek · 平均延迟 2.50秒 · 成功率 60%（6/10 题）
59.3 分
能力分57.5
性能分90.0
一致性分1.4
首字最快用时0.48秒
首字平均用时0.72秒
每秒最大 tokens297.81
平均每秒 tokens198.00
平均响应延迟2.50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
0.0 (0/2)
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
auto
Auto · 平均延迟 2.62秒 · 成功率 40%（4/10 题）
52.6 分
能力分37.8
性能分85.0
一致性分17.6
首字最快用时0.55秒
首字平均用时0.79秒
每秒最大 tokens270.94
平均每秒 tokens203.80
平均响应延迟2.62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
0.0 (0/2)
知识
50.0 (1/2)
该模型触发测评预警：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测