New API

iai.iisbo.com · 测评于 2026-11-11 16:26 · 最近更新批次 #1060

65.0
综合评分
65.6
能力分(40%)
55.5
性能分(40%)
83.0
一致性分(20%)
4.35s
首字最快用时
8.48s
首字平均用时
143.0
每秒最大 tokens
77.9
平均每秒 tokens
4
测评模型数
[bo+p]gemini-4-argon-2.5
最佳模型 75.6
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。
[bo+p]gemini-4-argon-2.5
Gemini · 平均延迟 16.93秒 · 成功率 80%(8/10 题)
75.6 分
能力分77.8
性能分61.2
一致性分100.0
首字最快用时4.35秒
首字平均用时9.11秒
每秒最大 tokens97.28
平均每秒 tokens81.60
平均响应延迟16.93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 100.0 (2/2)
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
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
[bo+p]gemini-4-argon-3.5
Gemini · 平均延迟 18.19秒 · 成功率 80%(8/10 题)
75.2 分
能力分77.8
性能分64.3
一致性分92.0
首字最快用时6.49秒
首字平均用时8.47秒
每秒最大 tokens142.96
平均每秒 tokens84.09
平均响应延迟18.19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 100.0 (2/2)
中文 0.0 (0/2)
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 · 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
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
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
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:最低能力维度 0 分,低于 30 分
[bo++2]gemini-4-argon-4.5
Gemini · 平均延迟 18.34秒 · 成功率 80%(8/10 题)
73.4 分
能力分77.8
性能分62.8
一致性分86.0
首字最快用时5.77秒
首字平均用时8.61秒
每秒最大 tokens88.27
平均每秒 tokens72.64
平均响应延迟18.34秒
一致性判定:基本符合声明特征
五大能力维度
数学 100.0 (2/2)
逻辑 100.0 (2/2)
代码 100.0 (2/2)
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
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
工具调用兼容性 高级功能 · 0.0 / 14.0 分 未通过
接口返回成功,但模型未按要求发起有效工具调用。
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
[bo++]gemini-4-argon-高度思考-4.5
Gemini · 平均延迟 24.00秒 · 成功率 30%(3/10 题)
35.9 分
能力分28.9
性能分33.8
一致性分54.0
首字最快用时7.11秒
首字平均用时7.73秒
每秒最大 tokens100.21
平均每秒 tokens73.32
平均响应延迟24.00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 100.0 (2/2)
代码 55.6 (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 · 0.0 / 10.0 分 异常
多约束逻辑推理:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
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 · 0.0 / 10.0 分 异常
复杂指令遵循:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
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
长文本定位与记忆 上下文能力 · 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
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 · 0.0 / 2.0 分 异常
身份自报检查:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
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 · 0.0 / 5.0 分 异常
响应协议完整性:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
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