New API
aimoniker.top · 测评于 2026-10-06 15:16 · 最近更新批次 #760
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-sonnet-5-5：最低能力维度 0 分，低于 30 分
- grok-4.6：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- claude-opus-5-5：题目通过率 60%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-6.1-sol：题目通过率 60%，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。
grok-4.5
Grok · 平均延迟 9.75秒 · 成功率 100%（10/10 题）
97.0 分
能力分100.0
性能分92.4
一致性分100.0
首字最快用时1.04秒
首字平均用时1.19秒
每秒最大 tokens80.17
平均每秒 tokens68.05
平均响应延迟9.75秒
一致性判定：维度均衡
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
100.0 (2/2)
中文
100.0 (2/2)
知识
100.0 (2/2)
claude-sonnet-5-5
Claude · 平均延迟 13.13秒 · 成功率 80%（8/10 题）
83.5 分
能力分77.8
性能分86.7
一致性分88.4
首字最快用时1.82秒
首字平均用时3.47秒
每秒最大 tokens12,857.14
平均每秒 tokens1,361.20
平均响应延迟13.13秒
一致性判定：基本符合声明特征
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
100.0 (2/2)
中文
100.0 (2/2)
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 · 10.0 / 10.0 分
通过
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：实时
复杂指令遵循
指令遵循 · 10.0 / 10.0 分
通过
动态结构化输出
JSON 结构化 · 12.0 / 12.0 分
通过
结构污染检查
协议完整性 · 8.0 / 8.0 分
通过
长文本定位与记忆
上下文能力 · 12.0 / 12.0 分
通过
工具调用兼容性
高级功能 · 0.0 / 14.0 分
不适用
工具调用兼容性：接口未支持该可选能力，未计入总分。
流式输出检查
协议完整性 · 7.0 / 7.0 分
通过
身份自报检查
声明一致性 · 2.0 / 2.0 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：最低能力维度 0 分，低于 30 分
grok-4.6
Grok · 平均延迟 19.21秒 · 成功率 70%（7/10 题）
78.8 分
能力分67.4
性能分79.7
一致性分100.0
首字最快用时0.96秒
首字平均用时1.16秒
每秒最大 tokens75.74
平均每秒 tokens58.00
平均响应延迟19.21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
44.4 (1/2)
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-5-5
Claude · 平均延迟 16.17秒 · 成功率 60%（6/10 题）
71.3 分
能力分60.0
性能分68.2
一致性分100.0
首字最快用时0.31秒
首字平均用时1.54秒
每秒最大 tokens278.41
平均每秒 tokens54.26
平均响应延迟16.17秒
一致性判定：高度符合声明特征
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)
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 · 10.0 / 10.0 分
通过
复杂指令遵循
指令遵循 · 10.0 / 10.0 分
通过
知识与概念边界
知识准确度 · 10.0 / 10.0 分
通过
动态结构化输出
JSON 结构化 · 12.0 / 12.0 分
通过
结构污染检查
协议完整性 · 8.0 / 8.0 分
通过
长文本定位与记忆
上下文能力 · 12.0 / 12.0 分
通过
工具调用兼容性
高级功能 · 0.0 / 14.0 分
不适用
工具调用兼容性：接口未支持该可选能力，未计入总分。
身份自报检查
声明一致性 · 2.0 / 2.0 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 60%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-6.1-sol
GPT · 平均延迟 21.94秒 · 成功率 60%（6/10 题）
54.5 分
能力分56.5
性能分29.7
一致性分100.0
首字最快用时8.18秒
首字平均用时12.97秒
每秒最大 tokens64.02
平均每秒 tokens36.25
平均响应延迟21.94秒
一致性判定：高度符合声明特征
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
44.4 (1/2)
中文
50.0 (1/2)
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 · 10.0 / 10.0 分
通过
复杂指令遵循
指令遵循 · 10.0 / 10.0 分
通过
知识与概念边界
知识准确度 · 10.0 / 10.0 分
通过
结构污染检查
协议完整性 · 8.0 / 8.0 分
通过
动态结构化输出
JSON 结构化 · 12.0 / 12.0 分
通过
长文本定位与记忆
上下文能力 · 12.0 / 12.0 分
通过
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 60%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测