APINebula
apinebula.ai · 测评于 2026-09-27 15:42 · 最近更新批次 #585
codex-auto-review
最佳模型 93.7
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-5.5：题目通过率 60%，低于 75%
- claude-opus-4-8：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- claude-sonnet-5：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- claude-opus-5：题目通过率 0%，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。
codex-auto-review
Codex · 平均延迟 10.49秒 · 成功率 100%（10/10 题）
93.7 分
能力分100.0
性能分84.2
一致性分100.0
首字最快用时2.90秒
首字平均用时5.87秒
每秒最大 tokens172.25
平均每秒 tokens86.20
平均响应延迟10.49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)
gpt-5.6-sol
GPT · 平均延迟 12.15秒 · 成功率 80%（8/10 题）
81.3 分
能力分77.8
性能分75.4
一致性分100.0
首字最快用时3.84秒
首字平均用时5.93秒
每秒最大 tokens145.88
平均每秒 tokens73.26
平均响应延迟12.15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
44.4 (1/2)
知识
50.0 (1/2)
gpt-6-astra
GPT · 平均延迟 11.49秒 · 成功率 90%（9/10 题）
75.0 分
能力分88.9
性能分70.0
一致性分57.0
首字最快用时2.03秒
首字平均用时5.24秒
每秒最大 tokens128.73
平均每秒 tokens54.40
平均响应延迟11.49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
100.0 (2/2)
知识
50.0 (1/2)
gpt-5.5
GPT · 平均延迟 6.12秒 · 成功率 60%（6/10 题）
68.3 分
能力分60.0
性能分81.9
一致性分57.6
首字最快用时1.15秒
首字平均用时3.40秒
每秒最大 tokens1,000.00
平均每秒 tokens448.59
平均响应延迟6.12秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
100.0 (2/2)
代码
50.0 (1/2)
中文
55.6 (1/2)
知识
50.0 (1/2)
该模型触发测评预警：题目通过率 60%，低于 75%
claude-opus-4-8
Claude · 平均延迟 0.67秒 · 成功率 0%（0/10 题）
50.0 分
能力分0.0
性能分75.0
一致性分100.0
首字最快用时0.42秒
首字平均用时0.65秒
每秒最大 tokens1,000.00
平均每秒 tokens900.63
平均响应延迟0.67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
claude-sonnet-5
Claude · 平均延迟 1.04秒 · 成功率 0%（0/10 题）
49.7 分
能力分0.0
性能分74.4
一致性分100.0
首字最快用时0.39秒
首字平均用时1.01秒
每秒最大 tokens1,000.00
平均每秒 tokens900.31
平均响应延迟1.04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
claude-opus-5
Claude · 平均延迟 1.10秒 · 成功率 0%（0/10 题）
49.7 分
能力分0.0
性能分74.2
一致性分100.0
首字最快用时0.41秒
首字平均用时1.06秒
每秒最大 tokens1,000.00
平均每秒 tokens801.25
平均响应延迟1.10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
返回排行榜
Ai速测