APINebula

apinebula.ai · 测评于 2026-11-11 08:34 · 最近更新批次 #1055

58.5
综合评分
40.8
能力分(40%)
66.9
性能分(40%)
76.8
一致性分(20%)
0.39s
首字最快用时
3.31s
首字平均用时
1,000.0
每秒最大 tokens
466.4
平均每秒 tokens
8
测评模型数
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

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。

各模型得分明细

前往该中转站
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
claude-opus-5-5
Claude · 平均延迟 1.04秒 · 成功率 0%(0/10 题)
0.0 分
能力分0.0
性能分0.0
一致性分—
首字最快用时暂无
首字平均用时暂无
每秒最大 tokens0.00
平均每秒 tokens0.00
平均响应延迟1.04秒
一致性判定:与声明特征偏差较大
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)
一致性专项明细(11 项)
动态多步计算 推理能力 · 0.0 / 10.0 分 异常
动态多步计算:调用失败,未通过测试。接口报错:`temperature` is deprecated for this model. (request id: 202611110034331453303638268d9d6sQGOXIAD) (request id: 202611110034330651214568268d9d6oWN9lTnR)
知识与概念边界 知识准确度 · 0.0 / 10.0 分 异常
知识与概念边界:调用失败,未通过测试。接口报错:`temperature` is deprecated for this model. (request id: 202611110034341442728248268d9d6UipLN1gp) (request id: 202611110034340645596218268d9d6ijkL4D97)
多约束逻辑推理 推理能力 · 0.0 / 10.0 分 异常
多约束逻辑推理:调用失败,未通过测试。接口报错:`temperature` is deprecated for this model. (request id: 20261111003434585036858268d9d6BHbGyBKH) (request id: 202611110034339785920888268d9d6Q1jA05Ue)
复杂指令遵循 指令遵循 · 0.0 / 10.0 分 异常
复杂指令遵循:调用失败,未通过测试。接口报错:`temperature` is deprecated for this model. (request id: 202611110034362770303408268d9d6gS1aTlfS) (request id: 202611110034361970902758268d9d6apspq863)
动态结构化输出 JSON 结构化 · 0.0 / 12.0 分 异常
动态结构化输出:调用失败,未通过测试。接口报错:`temperature` is deprecated for this model. (request id: 202611110034362900560958268d9d6lUTmTMBN) (request id: 202611110034362105192868268d9d6ACztCED0)
长文本定位与记忆 上下文能力 · 0.0 / 12.0 分 异常
长文本定位与记忆:调用失败,未通过测试。接口报错:`temperature` is deprecated for this model. (request id: 202611110034372284853798268d9d6e604PfMx) (request id: 202611110034371486196978268d9d6QMtVYSvv)
结构污染检查 协议完整性 · 0.0 / 8.0 分 异常
结构污染检查:调用失败,未通过测试。接口报错:`temperature` is deprecated for this model. (request id: 202611110034372421582258268d9d6H9EVCGoK) (request id: 202611110034371621537518268d9d6BqO2DsoR)
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 · 0.0 / 2.0 分 异常
身份自报检查:调用失败,未通过测试。接口报错:`temperature` is deprecated for this model. (request id: 202611110034385163028058268d9d6GOjui9St) (request id: 202611110034381383774438268d9d6M49tLDOC)
流式输出检查 协议完整性 · 0.0 / 7.0 分 异常
流式输出检查:调用失败,未通过测试。流式响应中未提取到内容(HTTP 400):`temperature` is deprecated for this model. (request id: 202611110034396764918848268d9d6dhEw14n4) (request id: 202611110034395967533718268d9d6lpAjLYmY)
响应协议完整性 协议完整性 · 0.0 / 5.0 分 异常
响应协议完整性:调用失败,未通过测试。接口报错:`temperature` is deprecated for this model. (request id: 202611110034398146400458268d9d67ueMhiSX) (request id: 202611110034397346959198268d9d6i2t90fAx)
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 · 仅作能力评测与导航参考,不代表任何商业推荐 · 数据由社区提交