New API
w.tryyz.top · 测评于 2026-09-27 15:42 · 最近更新批次 #649
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 20%，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
- deepseek-v4-flash：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。
deepseek-v4-pro
DeepSeek · 平均延迟 19.87秒 · 成功率 20%（2/10 题）
40.0 分
能力分17.0
性能分45.0
一致性分76.0
首字最快用时4.31秒
首字平均用时14.42秒
每秒最大 tokens1,000.00
平均每秒 tokens232.60
平均响应延迟19.87秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
44.4 (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
glm-5.3-flash
GLM / ChatGLM · 平均延迟 27.40秒 · 成功率 0%（0/10 题）
36.0 分
能力分0.0
性能分40.0
一致性分100.0
首字最快用时11.68秒
首字平均用时16.86秒
每秒最大 tokens1,000.00
平均每秒 tokens202.63
平均响应延迟27.40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
deepseek-v4-flash
DeepSeek · 平均延迟 14.60秒 · 成功率 10%（1/10 题）
32.4 分
能力分8.5
性能分44.0
一致性分57.0
首字最快用时1.84秒
首字平均用时6.67秒
每秒最大 tokens90.04
平均每秒 tokens51.52
平均响应延迟14.60秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
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 10%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测