Ai速测

New API

jp.huablog.org · 测评于 2026-10-17 23:08 · 最近更新批次 #858

46.1
综合评分
35.0
能力分（40%）
54.0
性能分（40%）
52.7
一致性分（20%）
1.52s
首字最快用时
4.56s
首字平均用时
273.0
每秒最大 tokens
100.2
平均每秒 tokens
3
测评模型数
gpt-6.1-sol
最佳模型 68.5
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。
gpt-6.1-sol
GPT · 平均延迟 11.96秒 · 成功率 70%（7/10 题）
68.5 分
能力分68.8
性能分52.5
一致性分100.0
首字最快用时4.03秒
首字平均用时6.13秒
每秒最大 tokens81.82
平均每秒 tokens36.26
平均响应延迟11.96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 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 · 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
该模型触发测评预警：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
deepseek-v4.1-flash
DeepSeek · 平均延迟 3.82秒 · 成功率 30%（3/10 题）
43.9 分
能力分27.7
性能分78.7
一致性分7.0
首字最快用时1.52秒
首字平均用时2.03秒
每秒最大 tokens273.00
平均每秒 tokens196.31
平均响应延迟3.82秒
一致性判定：与声明特征偏差较大
五大能力维度
数学 50.0 (1/2)
逻辑 44.4 (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 · 0.0 / 10.0 分 异常
动态多步计算：调用失败，未通过测试。响应不是 JSON（HTTP 200）
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。响应不是 JSON（HTTP 200）
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。响应不是 JSON（HTTP 200）
复杂指令遵循 指令遵循 · 0.0 / 10.0 分 异常
复杂指令遵循：调用失败，未通过测试。响应不是 JSON（HTTP 200）
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。响应不是 JSON（HTTP 200）
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。响应不是 JSON（HTTP 200）
长文本定位与记忆 上下文能力 · 0.0 / 12.0 分 异常
长文本定位与记忆：调用失败，未通过测试。响应不是 JSON（HTTP 200）
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。响应不是 JSON（HTTP 200）
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。响应不是 JSON（HTTP 200）
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 · 0.0 / 5.0 分 异常
响应协议完整性：调用失败，未通过测试。响应不是 JSON（HTTP 200）
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
deepseek-v4-pro
DeepSeek · 平均延迟 26.59秒 · 成功率 10%（1/10 题）
26.0 分
能力分8.5
性能分30.9
一致性分51.0
首字最快用时3.55秒
首字平均用时5.53秒
每秒最大 tokens79.66
平均每秒 tokens67.98
平均响应延迟26.59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 44.4 (1/2)
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
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
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 · 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
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
长文本定位与记忆 上下文能力 · 0.0 / 12.0 分 异常
长文本定位与记忆：调用失败，未通过测试。请求失败：Operation timed out after 30002 milliseconds with 0 bytes received
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
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 · 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
该模型触发测评预警：题目通过率 10%，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