New API
api.haogpt.net · 测评于 2026-10-08 17:23 · 最近更新批次 #795
gemini-3.7-flash-high-c
最佳模型 95.1
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
- grok-4.6：题目通过率 50%，低于 75%
- gemini-3.1-pro-low-c：题目通过率 60%，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。
gemini-3.7-flash-high-c
Gemini · 平均延迟 5.74秒 · 成功率 100%（10/10 题）
95.1 分
能力分100.0
性能分87.8
一致性分100.0
首字最快用时3.06秒
首字平均用时4.71秒
每秒最大 tokens37,888.89
平均每秒 tokens4,938.39
平均响应延迟5.74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
100.0 (2/2)
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
知识与概念边界
知识准确度 · 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
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 · 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
响应协议完整性
协议完整性 · 5.0 / 5.0 分
通过
gemini-3.6-flash-high-c
Gemini · 平均延迟 6.99秒 · 成功率 80%（8/10 题）
82.6 分
能力分78.3
性能分78.3
一致性分100.0
首字最快用时3.47秒
首字平均用时6.16秒
每秒最大 tokens28,928.57
平均每秒 tokens5,916.89
平均响应延迟6.99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
44.4 (1/2)
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
知识与概念边界
知识准确度 · 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
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 · 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
响应协议完整性
协议完整性 · 5.0 / 5.0 分
通过
gemini-3.8-flash-high-c
Gemini · 平均延迟 10.54秒 · 成功率 80%（8/10 题）
79.9 分
能力分78.3
性能分71.6
一致性分100.0
首字最快用时4.88秒
首字平均用时8.30秒
每秒最大 tokens10,218.18
平均每秒 tokens1,726.14
平均响应延迟10.54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
44.4 (1/2)
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
知识与概念边界
知识准确度 · 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
grok-4.6
Grok · 平均延迟 21.54秒 · 成功率 50%（5/10 题）
62.1 分
能力分51.1
性能分55.1
一致性分98.0
首字最快用时3.75秒
首字平均用时6.50秒
每秒最大 tokens215.64
平均每秒 tokens87.72
平均响应延迟21.54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
55.6 (1/2)
代码
44.4 (1/2)
中文
55.6 (1/2)
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
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
结构污染检查
协议完整性 · 8.0 / 8.0 分
通过
动态结构化输出
JSON 结构化 · 12.0 / 12.0 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
异常
身份自报检查：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received
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 50%，低于 75%
gemini-3.1-pro-low-c
Gemini · 平均延迟 17.37秒 · 成功率 60%（6/10 题）
61.8 分
能力分56.5
性能分55.0
一致性分86.0
首字最快用时10.01秒
首字平均用时12.88秒
每秒最大 tokens27,028.57
平均每秒 tokens3,634.42
平均响应延迟17.37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
100.0 (2/2)
代码
0.0 (0/2)
中文
44.4 (1/2)
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
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
动态结构化输出
JSON 结构化 · 12.0 / 12.0 分
通过
长文本定位与记忆
上下文能力 · 12.0 / 12.0 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
未通过
接口返回成功，但模型未按要求发起有效工具调用。
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
返回排行榜
Ai速测