Ai速测

Million Engine（万量引擎）- 高速、稳定的AI大模型聚合服务平台 - Million Engine（万量引擎）-高速、稳定的AI大模型聚合服务平台丨统一所有大模型接口

millionengine.com · 测评于 2026-10-08 18:32 · 最近更新批次 #802

50.0
综合评分
43.8
能力分（40%）
38.0
性能分（40%）
86.1
一致性分（20%）
2.80s
首字最快用时
7.19s
首字平均用时
117.4
每秒最大 tokens
31.2
平均每秒 tokens
7
测评模型数
claude-sonnet-4-6
最佳模型 68.0
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。
claude-sonnet-4-6
Claude · 平均延迟 11.03秒 · 成功率 60%（6/10 题）
68.0 分
能力分57.8
性能分63.2
一致性分98.0
首字最快用时2.97秒
首字平均用时3.46秒
每秒最大 tokens95.58
平均每秒 tokens45.43
平均响应延迟11.03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 50.0 (1/2)
中文 55.6 (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
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 · 0.0 / 2.0 分 未通过
最终答案或格式约束不符合预期。
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
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
claude-opus-5
Claude · 平均延迟 15.15秒 · 成功率 60%（6/10 题）
61.3 分
能力分56.5
性能分51.7
一致性分90.0
首字最快用时3.18秒
首字平均用时5.04秒
每秒最大 tokens56.82
平均每秒 tokens33.06
平均响应延迟15.15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 0.0 (0/2)
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 · 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
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
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
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 60%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-6-sol
GPT · 平均延迟 21.12秒 · 成功率 63%（5/8 题）
52.6 分
能力分60.0
性能分21.5
一致性分100.0
首字最快用时3.35秒
首字平均用时12.34秒
每秒最大 tokens29.79
平均每秒 tokens21.22
平均响应延迟21.12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 0.0 (0/1)
中文 55.6 (1/2)
知识 0.0 (0/1)
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
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
复杂指令遵循 指令遵循 · 10.0 / 10.0 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
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 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 62.5%，低于 75%；最低能力维度 0 分，低于 30 分
claude-fable-5
Claude · 平均延迟 13.44秒 · 成功率 40%（4/10 题）
51.7 分
能力分35.6
性能分49.7
一致性分88.0
首字最快用时3.35秒
首字平均用时5.06秒
每秒最大 tokens117.38
平均每秒 tokens42.98
平均响应延迟13.44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 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
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：
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 · 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 40%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-6-astra
GPT · 平均延迟 18.34秒 · 成功率 50%（5/10 题）
51.6 分
能力分48.9
性能分36.2
一致性分88.0
首字最快用时3.98秒
首字平均用时7.53秒
每秒最大 tokens58.61
平均每秒 tokens29.09
平均响应延迟18.34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 50.0 (1/2)
代码 100.0 (2/2)
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
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
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 30001 milliseconds with 0 bytes received
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 50%，低于 75%；最低能力维度 0 分，低于 30 分
claude-opus-5-5
Claude · 平均延迟 20.56秒 · 成功率 50%（5/10 题）
48.5 分
能力分47.8
性能分44.0
一致性分59.0
首字最快用时2.80秒
首字平均用时3.18秒
每秒最大 tokens27.34
平均每秒 tokens17.58
平均响应延迟20.56秒
一致性判定：存在明显行为偏差
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 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 · 0.0 / 10.0 分 未通过
最终答案或格式约束不符合预期。
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 · 0.0 / 10.0 分 未通过
缺少关键词或最终结论不符合：实时
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
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 · 2.0 / 2.0 分 通过
流式输出检查 协议完整性 · 0.0 / 7.0 分 异常
专项测试未返回结果，按异常处理，不计入通过分。
工具调用兼容性 高级功能 · 14.0 / 14.0 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
deepseek-v4-pro
DeepSeek · 平均延迟 29.56秒 · 成功率 0%（0/10 题）
16.0 分
能力分0.0
性能分0.0
一致性分80.0
首字最快用时13.73秒
首字平均用时13.73秒
每秒最大 tokens28.93
平均每秒 tokens28.93
平均响应延迟29.56秒
一致性判定：基本符合声明特征
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 · 10.0 / 10.0 分 通过
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。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received
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。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received
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 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