New API
yanapi.vip · 测评于 2026-10-23 13:05 · 最近更新批次 #904
gemini-3.7-flash
最佳模型 96.6
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
- gpt-6.1-sol-A池：题目通过率 60%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v4.1-flash：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v3.2：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
Gemini · 平均延迟 4.53秒 · 成功率 100%（10/10 题）
96.6 分
能力分100.0
性能分91.4
一致性分100.0
首字最快用时2.07秒
首字平均用时3.54秒
每秒最大 tokens20,652.17
平均每秒 tokens2,982.79
平均响应延迟4.53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-3.8-flash
Gemini · 平均延迟 4.65秒 · 成功率 100%（10/10 题）
96.6 分
能力分100.0
性能分91.4
一致性分100.0
首字最快用时2.50秒
首字平均用时3.56秒
每秒最大 tokens23,526.32
平均每秒 tokens3,292.07
平均响应延迟4.65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
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
gpt-6.1-sol-A池
GPT · 平均延迟 11.70秒 · 成功率 60%（6/10 题）
71.4 分
能力分56.8
性能分71.6
一致性分100.0
首字最快用时3.93秒
首字平均用时6.69秒
每秒最大 tokens17,588.24
平均每秒 tokens1,817.18
平均响应延迟11.70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
100.0 (2/2)
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
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
deepseek-v4.1-flash
DeepSeek · 平均延迟 6.03秒 · 成功率 40%（4/10 题）
65.2 分
能力分34.8
性能分84.1
一致性分88.0
首字最快用时0.60秒
首字平均用时1.08秒
每秒最大 tokens243.01
平均每秒 tokens199.70
平均响应延迟6.03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：可靠、顺序、拥塞、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
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
deepseek-v3.2
DeepSeek · 平均延迟 18.45秒 · 成功率 60%（6/10 题）
62.8 分
能力分56.5
性能分50.5
一致性分100.0
首字最快用时2.36秒
首字平均用时3.46秒
每秒最大 tokens27.86
平均每秒 tokens23.96
平均响应延迟18.45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
50.0 (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
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
身份自报检查
声明一致性 · 2.0 / 2.0 分
通过
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
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 60%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测