吉吉API

jiji.cc · 测评于 2026-11-11 15:48 · 最近更新批次 #1058

54.1
综合评分
36.7
能力分(40%)
66.2
性能分(40%)
64.5
一致性分(20%)
0.29s
首字最快用时
4.90s
首字平均用时
13,000.0
每秒最大 tokens
4,165.3
平均每秒 tokens
4
测评模型数
claude-fable-5
最佳模型 77.3
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-fable-5
Claude · 平均延迟 9.85秒 · 成功率 70%(7/10 题)
77.3 分
能力分70.2
性能分78.2
一致性分90.0
首字最快用时2.58秒
首字平均用时3.03秒
每秒最大 tokens115.01
平均每秒 tokens82.69
平均响应延迟9.85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 100.0 (2/2)
知识 100.0 (2/2)
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
动态结构化输出 JSON 结构化 · 12.0 / 12.0 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
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
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%;最低能力维度 0 分,低于 30 分
claude-fable-5-1
Claude · 平均延迟 22.24秒 · 成功率 50%(5/10 题)
57.7 分
能力分51.1
性能分49.1
一致性分88.4
首字最快用时4.29秒
首字平均用时8.53秒
每秒最大 tokens155.53
平均每秒 tokens88.80
平均响应延迟22.24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 50.0 (1/2)
知识 100.0 (2/2)
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 · 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 · 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。
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
claude-opus-5-5
Claude · 平均延迟 7.50秒 · 成功率 10%(1/10 题)
42.1 分
能力分8.5
性能分68.9
一致性分55.8
首字最快用时0.29秒
首字平均用时3.57秒
每秒最大 tokens13,000.00
平均每秒 tokens7,760.26
平均响应延迟7.50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 · 0.0 / 10.0 分 未通过
最终答案或格式约束不符合预期。
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 · 0.0 / 10.0 分 未通过
最终答案或格式约束不符合预期。
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。
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 · 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。
长文本定位与记忆 上下文能力 · 12.0 / 12.0 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 10%,低于 75%;最低能力维度 0 分,低于 30 分
claude-fable-5-2
Claude · 平均延迟 5.29秒 · 成功率 20%(2/10 题)
39.0 分
能力分17.0
性能分68.5
一致性分24.0
首字最快用时2.58秒
首字平均用时4.48秒
每秒最大 tokens13,000.00
平均每秒 tokens8,729.52
平均响应延迟5.29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 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 未通过
最终答案或格式约束不符合预期。
多约束逻辑推理 推理能力 · 0.0 / 10.0 分 不适用
多约束逻辑推理:接口未支持该可选能力,未计入总分。
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
动态结构化输出 JSON 结构化 · 0.0 / 12.0 分 不适用
动态结构化输出:接口未支持该可选能力,未计入总分。
复杂指令遵循 指令遵循 · 0.0 / 10.0 分 未通过
最终答案或格式约束不符合预期。
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。
长文本定位与记忆 上下文能力 · 0.0 / 12.0 分 不适用
长文本定位与记忆:接口未支持该可选能力,未计入总分。
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。
身份自报检查 声明一致性 · 0.0 / 2.0 分 不适用
身份自报检查:接口未支持该可选能力,未计入总分。
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 20%,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