Synora - AI API Gateway
synoralink.com · 测评于 2026-10-26 15:22 · 最近更新批次 #929
deepseek-v4.1-flash-1017
最佳模型 71.7
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
- deepseek-v4.1-flash-1017:题目通过率 50%,低于 75%;最低能力维度 0 分,低于 30 分
- qwen3.8-max:题目通过率 60%,低于 75%;最低能力维度 0 分,低于 30 分
- kimi-k3:题目通过率 50%,低于 75%;最低能力维度 0 分,低于 30 分
- glm-5.3:题目通过率 30%,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。
deepseek-v4.1-flash-1017
DeepSeek · 平均延迟 6.41秒 · 成功率 50%(5/10 题)
71.7 分
能力分47.8
性能分81.5
一致性分100.0
首字最快用时1.87秒
首字平均用时2.73秒
每秒最大 tokens228.49
平均每秒 tokens172.08
平均响应延迟6.41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
55.6 (1/2)
代码
100.0 (2/2)
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 · 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
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
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 · 5.0 / 5.0 分
通过
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
qwen3.8-max
通义千问 / Qwen · 平均延迟 13.81秒 · 成功率 60%(6/10 题)
70.4 分
能力分56.5
性能分69.4
一致性分100.0
首字最快用时1.80秒
首字平均用时2.44秒
每秒最大 tokens64.84
平均每秒 tokens50.91
平均响应延迟13.81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
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
知识与概念边界
知识准确度 · 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
动态结构化输出
JSON 结构化 · 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
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
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 · 7.0 / 7.0 分
通过
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
kimi-k3
Kimi / Moonshot · 平均延迟 17.33秒 · 成功率 50%(5/10 题)
69.0 分
能力分50.0
性能分72.6
一致性分100.0
首字最快用时2.63秒
首字平均用时5.58秒
每秒最大 tokens280.54
平均每秒 tokens94.54
平均响应延迟17.33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
55.6 (1/2)
代码
0.0 (0/2)
中文
50.0 (1/2)
知识
50.0 (1/2)
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
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 · 10.0 / 10.0 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
动态结构化输出
JSON 结构化 · 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 50%,低于 75%;最低能力维度 0 分,低于 30 分
glm-5.3
GLM / ChatGLM · 平均延迟 19.31秒 · 成功率 30%(3/10 题)
54.8 分
能力分30.4
性能分62.6
一致性分88.0
首字最快用时2.07秒
首字平均用时7.17秒
每秒最大 tokens500.00
平均每秒 tokens155.71
平均响应延迟19.31秒
一致性判定:基本符合声明特征
五大能力维度
数学
50.0 (1/2)
逻辑
55.6 (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
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
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
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 · 0.0 / 2.0 分
未通过
最终答案或格式约束不符合预期。
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 · 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
返回排行榜