Code0

code0.ai · 测评于 2026-10-13 11:07 · 最近更新批次 #836

43.5

综合评分

24.5

能力分（40%）

49.6

性能分（40%）

69.5

一致性分（20%）

2.34s

首字最快用时

11.08s

首字平均用时

6,435.9

每秒最大 tokens

683.7

平均每秒 tokens

测评模型数

gpt-6-sol

最佳模型 46.8

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-sol：题目通过率 30%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-6.1-sol：题目通过率 20%，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。

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。

gpt-6-sol

GPT · 平均延迟 20.52秒 · 成功率 30%（3/10 题）

46.8 分

能力分28.9

性能分54.2

一致性分68.0

首字最快用时2.34秒

首字平均用时9.86秒

每秒最大 tokens543.21

平均每秒 tokens227.90

平均响应延迟20.52秒

一致性判定：存在明显行为偏差

五大能力维度

数学 50.0 (1/2)

逻辑 50.0 (1/2)

代码 0.0 (0/2)

中文 0.0 (0/2)

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

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

长文本定位与记忆 上下文能力 · 12.0 / 12.0 分通过

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。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received

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 · 0.0 / 14.0 分异常

工具调用兼容性：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received

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

gpt-6.1-sol

GPT · 平均延迟 23.17秒 · 成功率 20%（2/10 题）

40.2 分

能力分20.0

性能分45.0

一致性分71.0

首字最快用时4.22秒

首字平均用时12.31秒

每秒最大 tokens6,435.90

平均每秒 tokens1,139.51

平均响应延迟23.17秒

一致性判定：存在明显行为偏差

五大能力维度

数学 0.0 (0/2)

逻辑 50.0 (1/2)

代码 50.0 (1/2)

中文 0.0 (0/2)

知识 0.0 (0/2)

一致性专项明细（11 项）

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。请求失败：Operation timed out after 30000 milliseconds with 0 bytes received

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

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 · 0.0 / 7.0 分异常

流式输出检查：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received

该模型触发测评预警：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分

返回排行榜