403 Forbidden

vvvvvip.tststs.shop · 测评于 2026-11-08 03:13 · 最近更新批次 #1040

67.3
综合评分
47.3
能力分(40%)
74.0
性能分(40%)
93.8
一致性分(20%)
1.75s
首字最快用时
4.08s
首字平均用时
46,800.0
每秒最大 tokens
2,000.3
平均每秒 tokens
6
测评模型数
claude-opus-5-5
最佳模型 80.3
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-opus-5-5
Claude · 平均延迟 12.54秒 · 成功率 70%(7/10 题)
80.3 分
能力分70.2
性能分80.5
一致性分100.0
首字最快用时4.22秒
首字平均用时4.66秒
每秒最大 tokens165.51
平均每秒 tokens133.29
平均响应延迟12.54秒
一致性判定:高度符合声明特征
五大能力维度
数学 55.6 (1/2)
逻辑 100.0 (2/2)
代码 50.0 (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
动态结构化输出 JSON 结构化 · 12.0 / 12.0 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
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 · 0.0 / 14.0 分 不适用
工具调用兼容性:接口未支持该可选能力,未计入总分。
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
身份自报检查 声明一致性 · 2.0 / 2.0 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%
gpt-6.1-terra
GPT · 平均延迟 3.69秒 · 成功率 60%(6/10 题)
77.2 分
能力分58.7
性能分84.3
一致性分100.0
首字最快用时1.75秒
首字平均用时2.64秒
每秒最大 tokens3,062.50
平均每秒 tokens494.18
平均响应延迟3.69秒
一致性判定:高度符合声明特征
五大能力维度
数学 50.0 (1/2)
逻辑 100.0 (2/2)
代码 100.0 (2/2)
中文 0.0 (0/2)
知识 50.0 (1/2)
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
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 60%,低于 75%;最低能力维度 0 分,低于 30 分
claude-opus-5
Claude · 平均延迟 16.45秒 · 成功率 60%(6/10 题)
69.3 分
能力分59.6
性能分63.7
一致性分100.0
首字最快用时3.29秒
首字平均用时3.74秒
每秒最大 tokens89.16
平均每秒 tokens59.79
平均响应延迟16.45秒
一致性判定:高度符合声明特征
五大能力维度
数学 55.6 (1/2)
逻辑 100.0 (2/2)
代码 50.0 (1/2)
中文 50.0 (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
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
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%
gpt-6.1-sol
GPT · 平均延迟 12.44秒 · 成功率 40%(4/10 题)
62.7 分
能力分39.1
性能分71.1
一致性分93.0
首字最快用时3.26秒
首字平均用时5.26秒
每秒最大 tokens46,800.00
平均每秒 tokens6,038.80
平均响应延迟12.44秒
一致性判定:高度符合声明特征
五大能力维度
数学 50.0 (1/2)
逻辑 50.0 (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
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
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 · 0.0 / 7.0 分 异常
流式输出检查:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
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 40%,低于 75%;最低能力维度 0 分,低于 30 分
claude-opus-4-6
Claude · 平均延迟 9.79秒 · 成功率 30%(3/10 题)
59.1 分
能力分27.7
性能分75.0
一致性分90.0
首字最快用时2.58秒
首字平均用时3.20秒
每秒最大 tokens210.83
平均每秒 tokens113.31
平均响应延迟9.79秒
一致性判定:高度符合声明特征
五大能力维度
数学 0.0 (0/2)
逻辑 100.0 (2/2)
代码 0.0 (0/2)
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
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 · 0.0 / 8.0 分 未通过
JSON 不可解析、字段多余/缺失,或字段值类型不符合。
知识与概念边界 知识准确度 · 10.0 / 10.0 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
gpt-6-astra
GPT · 平均延迟 12.86秒 · 成功率 30%(3/10 题)
55.1 分
能力分28.3
性能分69.5
一致性分80.0
首字最快用时2.57秒
首字平均用时4.96秒
每秒最大 tokens40,666.67
平均每秒 tokens5,162.62
平均响应延迟12.86秒
一致性判定:基本符合声明特征
五大能力维度
数学 0.0 (0/2)
逻辑 100.0 (2/2)
代码 50.0 (1/2)
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 · 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 · 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 30%,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