New API

xpeach.codes · 测评于 2026-10-25 20:52 · 最近更新批次 #927

62.7
综合评分
52.2
能力分(40%)
65.0
性能分(40%)
79.2
一致性分(20%)
1.68s
首字最快用时
4.96s
首字平均用时
12,000.0
每秒最大 tokens
507.0
平均每秒 tokens
7
测评模型数
deepseek-v4.1-flash
最佳模型 82.7
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。
deepseek-v4.1-flash
DeepSeek · 平均延迟 4.68秒 · 成功率 70%(7/10 题)
82.7 分
能力分70.2
性能分86.6
一致性分100.0
首字最快用时2.14秒
首字平均用时2.70秒
每秒最大 tokens522.33
平均每秒 tokens336.79
平均响应延迟4.68秒
一致性判定:高度符合声明特征
五大能力维度
数学 100.0 (2/2)
逻辑 55.6 (1/2)
代码 100.0 (2/2)
中文 100.0 (2/2)
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
知识与概念边界 知识准确度 · 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
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 · 2.0 / 2.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
该模型触发测评预警:题目通过率 70%,低于 75%;最低能力维度 0 分,低于 30 分
claude-opus-5-5
Claude · 平均延迟 10.09秒 · 成功率 60%(6/10 题)
78.1 分
能力分60.9
性能分84.5
一致性分100.0
首字最快用时1.85秒
首字平均用时2.57秒
每秒最大 tokens131.90
平均每秒 tokens84.18
平均响应延迟10.09秒
一致性判定:高度符合声明特征
五大能力维度
数学 50.0 (1/2)
逻辑 50.0 (1/2)
代码 50.0 (1/2)
中文 50.0 (1/2)
知识 100.0 (2/2)
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 · 10.0 / 10.0 分 通过
结构污染检查 协议完整性 · 8.0 / 8.0 分 通过
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
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。
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
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 60%,低于 75%
claude-sonnet-5-5
Claude · 平均延迟 11.25秒 · 成功率 60%(6/10 题)
75.3 分
能力分59.1
性能分86.2
一致性分86.1
首字最快用时1.78秒
首字平均用时2.02秒
每秒最大 tokens120.95
平均每秒 tokens87.14
平均响应延迟11.25秒
一致性判定:基本符合声明特征
五大能力维度
数学 50.0 (1/2)
逻辑 50.0 (1/2)
代码 44.4 (1/2)
中文 100.0 (2/2)
知识 50.0 (1/2)
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
结构污染检查 协议完整性 · 8.0 / 8.0 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:可靠、顺序、拥塞、实时
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 · 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。
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
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。
该模型触发测评预警:题目通过率 60%,低于 75%
gpt-6.1-sol
GPT · 平均延迟 8.31秒 · 成功率 60%(6/10 题)
71.9 分
能力分57.8
性能分71.9
一致性分100.0
首字最快用时1.68秒
首字平均用时3.65秒
每秒最大 tokens109.84
平均每秒 tokens62.85
平均响应延迟8.31秒
一致性判定:高度符合声明特征
五大能力维度
数学 100.0 (2/2)
逻辑 50.0 (1/2)
代码 100.0 (2/2)
中文 44.4 (1/2)
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
知识与概念边界 知识准确度 · 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
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 · 2.0 / 2.0 分 通过
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 60%,低于 75%;最低能力维度 0 分,低于 30 分
gemini-3.8-flash
Gemini · 平均延迟 11.87秒 · 成功率 70%(7/10 题)
70.5 分
能力分67.4
性能分63.9
一致性分90.0
首字最快用时5.30秒
首字平均用时9.94秒
每秒最大 tokens12,000.00
平均每秒 tokens1,599.09
平均响应延迟11.87秒
一致性判定:高度符合声明特征
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 50.0 (1/2)
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
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:顺序、拥塞、实时
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
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 · 2.0 / 2.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
该模型触发测评预警:题目通过率 70%,低于 75%;最低能力维度 0 分,低于 30 分
gemini-3.7-flash
Gemini · 平均延迟 9.98秒 · 成功率 50%(5/10 题)
60.5 分
能力分50.0
性能分62.2
一致性分78.0
首字最快用时2.31秒
首字平均用时8.89秒
每秒最大 tokens1,452.10
平均每秒 tokens872.19
平均响应延迟9.98秒
一致性判定:基本符合声明特征
五大能力维度
数学 100.0 (2/2)
逻辑 0.0 (0/2)
代码 100.0 (2/2)
中文 50.0 (1/2)
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
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:顺序、拥塞、实时
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
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
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。请求失败:Operation timed out after 30000 milliseconds with 0 bytes received
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
身份自报检查 声明一致性 · 2.0 / 2.0 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 50%,低于 75%;最低能力维度 0 分,低于 30 分
gemini-4-argon
Gemini · 平均延迟 0.78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0.78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:分組 Gemini 下模型 gemini-4-argon 無可用管道(distributor) (request id: 202610251252124201513078268d9d61QDm02KY)
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:分组 Gemini 下模型 gemini-4-argon 的可用渠道不存在(retry) (request id: 202610251252127777733788268d9d6FTppTYP9)
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:分組 Gemini 下模型 gemini-4-argon 無可用管道(distributor) (request id: 202610251252132604385398268d9d6OFoGBayv)
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:分組 Gemini 下模型 gemini-4-argon 無可用管道(distributor) (request id: 202610251252136888266478268d9d6lZb9Suug)
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:分组 Gemini 下模型 gemini-4-argon 的可用渠道不存在(retry) (request id: 202610251252139780374928268d9d699WRrIa1)
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:分組 Gemini 下模型 gemini-4-argon 無可用管道(distributor) (request id: 202610251252143096991698268d9d6cYiYLvc2)
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:分組 Gemini 下模型 gemini-4-argon 無可用管道(distributor) (request id: 202610251252146139784808268d9d65uLkXDhR)
工具调用兼容性 高级功能 · 0.0 / 14.0 分 异常
工具调用兼容性:调用失败,未通过测试。接口报错:分组 Gemini 下模型 gemini-4-argon 的可用渠道不存在(retry) (request id: 202610251252151992610868268d9d6FYnQHIcA)
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:分组 Gemini 下模型 gemini-4-argon 的可用渠道不存在(retry) (request id: 202610251252135475887578268d9d6Vk7FYC6N)
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 503):分組 Gemini 下模型 gemini-4-argon 無可用管道(distributor) (request id: 202610251252158605504678268d9d6nYyz2Yr6)
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:分组 Gemini 下模型 gemini-4-argon 的可用渠道不存在(retry) (request id: 202610251252156701297768268d9d6OwR2CAoA)
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