New API
xtapi.site · 测评于 2026-09-27 15:42 · 最近更新批次 #618
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 70%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-6-astra：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v4-flash：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v4.1-flash：题目通过率 20%，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 12.23秒 · 成功率 70%（7/10 题）
60.2 分
能力分68.8
性能分74.8
一致性分14.0
首字最快用时3.03秒
首字平均用时5.40秒
每秒最大 tokens218.74
平均每秒 tokens73.79
平均响应延迟12.23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
100.0 (2/2)
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 70%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-6-astra
GPT · 平均延迟 11.41秒 · 成功率 70%（7/10 题）
55.4 分
能力分68.8
性能分62.7
一致性分14.0
首字最快用时2.08秒
首字平均用时3.94秒
每秒最大 tokens64.37
平均每秒 tokens42.58
平均响应延迟11.41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
100.0 (2/2)
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 70%，低于 75%；最低能力维度 0 分，低于 30 分
deepseek-v4-flash
DeepSeek · 平均延迟 3.55秒 · 成功率 20%（2/10 题）
40.7 分
能力分18.2
性能分76.6
一致性分14.0
首字最快用时1.38秒
首字平均用时1.89秒
每秒最大 tokens291.23
平均每秒 tokens218.96
平均响应延迟3.55秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
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 20%，低于 75%；最低能力维度 0 分，低于 30 分
deepseek-v4.1-flash
DeepSeek · 平均延迟 3.94秒 · 成功率 20%（2/10 题）
40.3 分
能力分18.2
性能分75.4
一致性分14.0
首字最快用时1.34秒
首字平均用时2.26秒
每秒最大 tokens250.80
平均每秒 tokens199.64
平均响应延迟3.94秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
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 20%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测