2Chat - AI API Gateway
direct.2chat.cc · 测评于 2026-09-27 15:42 · 最近更新批次 #48
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-5.6-terra：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- codex-auto-review：最低能力维度 0 分，低于 30 分
- gpt-5.4：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.3-codex-spark：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。
gpt-5.6-terra
GPT · 平均延迟 7.52秒 · 成功率 70%（7/10 题）
77.4 分
能力分67.4
性能分76.1
一致性分100.0
首字最快用时1.68秒
首字平均用时2.96秒
每秒最大 tokens106.08
平均每秒 tokens61.83
平均响应延迟7.52秒
一致性判定：偏科明显
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
0.0 (0/2)
知识
50.0 (1/2)
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
codex-auto-review
Codex · 平均延迟 8.45秒 · 成功率 80%（8/10 题）
65.4 分
能力分80.4
性能分76.1
一致性分14.0
首字最快用时1.47秒
首字平均用时2.97秒
每秒最大 tokens104.41
平均每秒 tokens57.23
平均响应延迟8.45秒
一致性判定：偏科明显
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
100.0 (2/2)
该模型触发测评预警：最低能力维度 0 分，低于 30 分
gpt-5.4
GPT · 平均延迟 7.77秒 · 成功率 70%（7/10 题）
59.1 分
能力分67.4
性能分73.2
一致性分14.0
首字最快用时1.43秒
首字平均用时2.00秒
每秒最大 tokens58.78
平均每秒 tokens50.86
平均响应延迟7.77秒
一致性判定：偏科明显
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
0.0 (0/2)
知识
50.0 (1/2)
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
gpt-5.3-codex-spark
GPT · 平均延迟 5.87秒 · 成功率 60%（6/10 题）
58.4 分
能力分58.7
性能分78.6
一致性分17.1
首字最快用时3.75秒
首字平均用时4.44秒
每秒最大 tokens1,483.20
平均每秒 tokens961.03
平均响应延迟5.87秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
44.4 (1/2)
代码
0.0 (0/2)
中文
50.0 (1/2)
知识
100.0 (2/2)
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