即享ai

cn.jixiangai.xyz · 测评于 2026-10-28 23:14 · 最近更新批次 #943

30.7
综合评分
23.9
能力分(40%)
39.2
性能分(40%)
27.5
一致性分(20%)
0.83s
首字最快用时
2.40s
首字平均用时
299.2
每秒最大 tokens
118.2
平均每秒 tokens
4
测评模型数
claude-sonnet-5-thinking
最佳模型 85.7
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。
claude-sonnet-5-thinking
Claude · 平均延迟 8.31秒 · 成功率 80%(8/10 题)
85.7 分
能力分77.8
性能分86.4
一致性分100.0
首字最快用时2.76秒
首字平均用时3.56秒
每秒最大 tokens299.23
平均每秒 tokens107.19
平均响应延迟8.31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 44.4 (1/2)
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
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
deepseek-v4.1-flash-1017
DeepSeek · 平均延迟 2.29秒 · 成功率 20%(2/10 题)
37.3 分
能力分17.8
性能分70.4
一致性分10.0
首字最快用时0.83秒
首字平均用时1.24秒
每秒最大 tokens153.39
平均每秒 tokens129.24
平均响应延迟2.29秒
一致性判定:与声明特征偏差较大
五大能力维度
数学 0.0 (0/2)
逻辑 50.0 (1/2)
代码 0.0 (0/2)
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 · 0.0 / 10.0 分 异常
动态多步计算:调用失败,未通过测试。接口报错:您已达到总请求数限制:1分钟内最多请求5次,包括失败次数,请检查您的请求是否正确 (request id: 202610281514469871775448268d9d6zUnhiOYM)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281514482089522698268d9d6WUgiblmM)
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 · 0.0 / 10.0 分 异常
复杂指令遵循:调用失败,未通过测试。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281514487342363708268d9d6h5ocqDlC)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281514493411546168268d9d6fUwsG1BF)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281514493483215788268d9d6NinH2KPk)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281514498709172628268d9d6S6Vay70M)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281514498819082948268d9d6JETNJwSu)
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:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281514503774463408268d9d6JayyIgDY)
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。流式响应中未提取到内容(HTTP 429):您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281514504015911298268d9d6Cwqe9nLm)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281514510006279128268d9d6bammJwrf)
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
gemma-4-31B
Gemma · 平均延迟 0.44秒 · 成功率 0%(0/10 题)
0.0 分
能力分0.0
性能分0.0
一致性分—
首字最快用时暂无
首字平均用时暂无
每秒最大 tokens0.00
平均每秒 tokens0.00
平均响应延迟0.44秒
一致性判定:与声明特征偏差较大
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 (0/2)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507426114278478268d9d6nuvXaTWR)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507432701308808268d9d6WWY0fzUn)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507433361478488268d9d6oScGikVZ)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507438385765608268d9d6a1BIV2h0)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507439064804988268d9d6aDyXhR7G)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507444279537568268d9d6MXyWKznc)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507444894890338268d9d6JDtiRHAf)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507450243294478268d9d6IT2P9oSb)
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:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507450656262968268d9d6qZQ2lkTN)
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。流式响应中未提取到内容(HTTP 429):您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507458247795468268d9d6KzKqRSyR)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507458834364538268d9d6hJ0yWIQR)
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
glm-5.3-flash
GLM / ChatGLM · 平均延迟 0.45秒 · 成功率 0%(0/10 题)
0.0 分
能力分0.0
性能分0.0
一致性分—
首字最快用时暂无
首字平均用时暂无
每秒最大 tokens0.00
平均每秒 tokens0.00
平均响应延迟0.45秒
一致性判定:与声明特征偏差较大
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 (0/2)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507498561776428268d9d6KK0J7kOt)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507498605242838268d9d6fVPAF8VO)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507504351238628268d9d6mX1LULj1)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507504790506178268d9d6Fx0OYVRw)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507510153119568268d9d69FaOqj4k)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507510853916718268d9d6tD7EbWyP)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507515885411588268d9d6gwslKoKE)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507516711832448268d9d69dHJig98)
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:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507521810863768268d9d6mpcW5Abz)
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。流式响应中未提取到内容(HTTP 429):您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507522571625488268d9d6M6YSYUlC)
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。接口报错:您已达到请求数限制:1分钟内最多请求5次 (request id: 202610281507527565719658268d9d6ls1EcID9)
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

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