AIRelay
171.80.0.221:20598 · 测评于 2026-09-27 15:42 · 最近更新批次 #133
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-pro：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
- minimax-m3：题目通过率 30%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v4-flash：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
- glm-5.3：题目通过率 10%，低于 75%；最低能力维度 0 分，低于 30 分
- glm-5.3-flash：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- hy4-preview：题目通过率 10%，低于 75%；最低能力维度 0 分，低于 30 分
- kimi-k3：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。
deepseek-v4-pro
DeepSeek · 平均延迟 6.17秒 · 成功率 40%（4/10 题）
63.8 分
能力分37.8
性能分71.7
一致性分100.0
首字最快用时1.70秒
首字平均用时2.01秒
每秒最大 tokens90.42
平均每秒 tokens62.06
平均响应延迟6.17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
44.4 (1/2)
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
minimax-m3
MiniMax · 平均延迟 3.74秒 · 成功率 30%（3/10 题）
53.7 分
能力分27.3
性能分81.0
一致性分51.9
首字最快用时1.21秒
首字平均用时1.29秒
每秒最大 tokens163.75
平均每秒 tokens119.64
平均响应延迟3.74秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
50.0 (1/2)
代码
0.0 (0/2)
中文
44.4 (1/2)
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
deepseek-v4-flash
DeepSeek · 平均延迟 4.33秒 · 成功率 40%（4/10 题）
50.5 分
能力分35.6
性能分81.7
一致性分17.9
首字最快用时1.49秒
首字平均用时1.87秒
每秒最大 tokens158.81
平均每秒 tokens114.78
平均响应延迟4.33秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
50.0 (1/2)
代码
0.0 (0/2)
中文
44.4 (1/2)
知识
0.0 (0/2)
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
glm-5.3
GLM / ChatGLM · 平均延迟 8.80秒 · 成功率 10%（1/10 题）
41.4 分
能力分8.7
性能分66.2
一致性分57.0
首字最快用时2.50秒
首字平均用时2.82秒
每秒最大 tokens109.00
平均每秒 tokens70.65
平均响应延迟8.80秒
一致性判定：偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
50.0 (1/2)
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 10%，低于 75%；最低能力维度 0 分，低于 30 分
glm-5.3-flash
GLM / ChatGLM · 平均延迟 10.91秒 · 成功率 0%（0/10 题）
41.1 分
能力分0.0
性能分52.6
一致性分100.0
首字最快用时1.04秒
首字平均用时1.40秒
每秒最大 tokens62.13
平均每秒 tokens41.57
平均响应延迟10.91秒
一致性判定：维度均衡
五大能力维度
数学
0.0 (0/2)
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 0%，低于 75%；最低能力维度 0 分，低于 30 分
hy4-preview
Hy4 · 平均延迟 9.56秒 · 成功率 10%（1/10 题）
38.3 分
能力分8.7
性能分58.6
一致性分57.0
首字最快用时1.85秒
首字平均用时2.07秒
每秒最大 tokens63.11
平均每秒 tokens51.93
平均响应延迟9.56秒
一致性判定：偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
50.0 (1/2)
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 10%，低于 75%；最低能力维度 0 分，低于 30 分
kimi-k3
Kimi / Moonshot · 平均延迟 13.46秒 · 成功率 20%（2/10 题）
37.6 分
能力分17.4
性能分50.4
一致性分52.5
首字最快用时2.00秒
首字平均用时2.11秒
每秒最大 tokens45.19
平均每秒 tokens32.14
平均响应延迟13.46秒
一致性判定：偏科明显
五大能力维度
数学
44.4 (1/2)
逻辑
50.0 (1/2)
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