New API
api.lingxiaihub.com · 测评于 2026-09-30 10:05 · 最近更新批次 #713
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
- claude-opus-5-5：题目通过率 30%，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。
claude-opus-5-5
Claude · 平均延迟 20.50秒 · 成功率 30%（3/10 题）
52.9 分
能力分28.3
性能分59.9
一致性分88.0
首字最快用时2.44秒
首字平均用时2.78秒
每秒最大 tokens100.08
平均每秒 tokens70.29
平均响应延迟20.50秒
一致性判定：基本符合声明特征
五大能力维度
数学
55.6 (1/2)
逻辑
100.0 (2/2)
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 · 10.0 / 10.0 分
通过
多约束逻辑推理
推理能力 · 10.0 / 10.0 分
通过
复杂指令遵循
指令遵循 · 10.0 / 10.0 分
通过
动态结构化输出
JSON 结构化 · 12.0 / 12.0 分
通过
知识与概念边界
知识准确度 · 0.0 / 10.0 分
未通过
缺少关键词或最终结论不符合：拥塞、实时
结构污染检查
协议完整性 · 8.0 / 8.0 分
通过
长文本定位与记忆
上下文能力 · 12.0 / 12.0 分
通过
工具调用兼容性
高级功能 · 14.0 / 14.0 分
通过
身份自报检查
声明一致性 · 0.0 / 2.0 分
未通过
最终答案或格式约束不符合预期。
流式输出检查
协议完整性 · 7.0 / 7.0 分
通过
响应协议完整性
协议完整性 · 5.0 / 5.0 分
通过
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
返回排行榜
Ai速测