首页

nova.cervus.cn · 测评于 2026-10-07 08:56 · 最近更新批次 #769

63.7

综合评分

54.2

能力分（40%）

67.1

性能分（40%）

75.7

一致性分（20%）

1.08s

首字最快用时

7.16s

首字平均用时

75,000.0

每秒最大 tokens

3,304.2

平均每秒 tokens

测评模型数

[ruru10]gemini-3.8-flash

最佳模型 79.9

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

[ruru2]gemini-3.7-flash：题目通过率 30%，低于 75%；最低能力维度 0 分，低于 30 分
[A-ruru11]claude-opus-4-6：题目通过率 50%，低于 75%；最低能力维度 0 分，低于 30 分
[A-ruru23]claude-opus-4-6：题目通过率 0%，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。

[ruru10]gemini-3.8-flash

Gemini · 平均延迟 13.11秒 · 成功率 90%（9/10 题）

79.9 分

能力分88.9

性能分67.9

一致性分86.0

首字最快用时6.62秒

首字平均用时10.27秒

每秒最大 tokens58,222.22

平均每秒 tokens9,980.33

平均响应延迟13.11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 100.0 (2/2)

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

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

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 · 8.0 / 8.0 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。接口报错：状态码=400，Provider API error: Provider API error: Request contains an invalid argument.（请求 ID：202610070056061239279978268d9d6IRBVPudk）

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

[ruru10]gemini-3.7-flash

Gemini · 平均延迟 9.39秒 · 成功率 80%（8/10 题）

78.9 分

能力分80.4

性能分78.8

一致性分76.0

首字最快用时3.80秒

首字平均用时5.98秒

每秒最大 tokens75,000.00

平均每秒 tokens8,613.13

平均响应延迟9.39秒

一致性判定：偏科明显

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 100.0 (2/2)

[ruru2]gemini-3.8-flash

Gemini · 平均延迟 12.05秒 · 成功率 80%（8/10 题）

77.2 分

能力分80.0

性能分70.4

一致性分85.0

首字最快用时5.02秒

首字平均用时8.67秒

每秒最大 tokens1,468.80

平均每秒 tokens518.02

平均响应延迟12.05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 100.0 (2/2)

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

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

多约束逻辑推理 推理能力 · 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

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

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 · 0.0 / 5.0 分异常

响应协议完整性：调用失败，未通过测试。请求失败：Operation timed out after 30001 milliseconds with 0 bytes received

[ruru2]gemini-3.7-flash

Gemini · 平均延迟 9.20秒 · 成功率 30%（3/10 题）

57.7 分

能力分28.3

性能分66.1

一致性分100.0

首字最快用时2.03秒

首字平均用时6.06秒

每秒最大 tokens1,445.23

平均每秒 tokens574.11

平均响应延迟9.20秒

一致性判定：偏科明显

五大能力维度

数学 44.4 (1/2)

逻辑 0.0 (0/2)

代码 50.0 (1/2)

中文 44.4 (1/2)

知识 0.0 (0/2)

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

[A-ruru11]claude-opus-4-6

Claude · 平均延迟 16.38秒 · 成功率 50%（5/10 题）

45.5 分

能力分47.8

性能分62.2

一致性分7.4

首字最快用时2.22秒

首字平均用时6.87秒

每秒最大 tokens231.09

平均每秒 tokens68.04

平均响应延迟16.38秒

一致性判定：偏科明显

五大能力维度

数学 100.0 (2/2)

逻辑 50.0 (1/2)

代码 0.0 (0/2)

中文 100.0 (2/2)

知识 0.0 (0/2)

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

[A-ruru23]claude-opus-4-6

Claude · 平均延迟 5.15秒 · 成功率 0%（0/9 题）

42.8 分

能力分0.0

性能分56.9

一致性分100.0

首字最快用时1.08秒

首字平均用时5.13秒

每秒最大 tokens333.33

平均每秒 tokens71.49

平均响应延迟5.15秒

一致性判定：维度均衡

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 (0/1)

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