没有找到站点

107.174.158.202:19002 · 测评于 2026-11-14 18:12 · 最近更新批次 #1076

53.3
综合评分
40.9
能力分(40%)
59.5
性能分(40%)
65.8
一致性分(20%)
1.53s
首字最快用时
4.10s
首字平均用时
785.1
每秒最大 tokens
161.2
平均每秒 tokens
5
测评模型数
gpt-6-astra
最佳模型 77.2
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。
gpt-6-astra
GPT · 平均延迟 8.67秒 · 成功率 70%(7/10 题)
77.2 分
能力分68.2
性能分74.8
一致性分100.0
首字最快用时3.23秒
首字平均用时6.46秒
每秒最大 tokens785.05
平均每秒 tokens261.67
平均响应延迟8.67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 0.0 (0/2)
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
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
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
deepseek-v4.1-flash
DeepSeek · 平均延迟 7.03秒 · 成功率 50%(5/10 题)
69.8 分
能力分47.7
性能分81.7
一致性分90.0
首字最快用时1.65秒
首字平均用时2.67秒
每秒最大 tokens199.58
平均每秒 tokens167.46
平均响应延迟7.03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 44.4 (1/2)
代码 55.6 (1/2)
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
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:拥塞、实时
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
claude-opus-5-5
Claude · 平均延迟 8.60秒 · 成功率 50%(5/10 题)
68.2 分
能力分50.0
性能分80.1
一致性分81.0
首字最快用时1.53秒
首字平均用时3.17秒
每秒最大 tokens131.50
平均每秒 tokens106.58
平均响应延迟8.60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 55.6 (1/2)
代码 55.6 (1/2)
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
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
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 · 8.0 / 8.0 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。接口报错:生成失败: 任务处理失败 (request id: 20261114181023148871613xZs989pE)
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 400):生成失败: 任务处理失败 (request id: 20261114181024542718612dWZkcRF8)
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 50%,低于 75%;最低能力维度 0 分,低于 30 分
claude-fable-5-2
Claude · 平均延迟 6.43秒 · 成功率 40%(4/10 题)
51.5 分
能力分38.6
性能分61.1
一致性分58.0
首字最快用时1.84秒
首字平均用时4.10秒
每秒最大 tokens128.56
平均每秒 tokens108.91
平均响应延迟6.43秒
一致性判定:存在明显行为偏差
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 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 · 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:生成失败: 任务处理失败 (request id: 20261114180913625110088vfP9x7NC)
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
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:生成失败: 任务处理失败 (request id: 2026111418091745630417165dY1n2w)
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
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:生成失败: 任务处理失败 (request id: 20261114180922655336141XIDTVtkQ)
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 40%,低于 75%;最低能力维度 0 分,低于 30 分
claude-opus-5-5-official
Claude · 平均延迟 1.02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1.02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:输入参数无效. 请检查请求参数后重试. (request id: 2026111418082863153042XBzSZG3V)
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:输入参数无效. 请检查请求参数后重试. (request id: 2026111418082898646916mpejCf4X)
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:输入参数无效. 请检查请求参数后重试. (request id: 20261114180829491705632TVoGREKy)
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:输入参数无效. 请检查请求参数后重试. (request id: 20261114180829571383769W4oLn66A)
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:输入参数无效. 请检查请求参数后重试. (request id: 20261114180830595145443LMqSGRSS)
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:输入参数无效. 请检查请求参数后重试. (request id: 20261114180830677174076HlhWr7Co)
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:输入参数无效. 请检查请求参数后重试. (request id: 20261114180831699096224Ri3c6JeN)
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:输入参数无效. 请检查请求参数后重试. (request id: 20261114180831797118479VR6Idhdo)
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:输入参数无效. 请检查请求参数后重试. (request id: 20261114180832865800651RispaR3M)
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 400):输入参数无效. 请检查请求参数后重试. (request id: 20261114180832993810922egeQjhuj)
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:输入参数无效. 请检查请求参数后重试. (request id: 20261114180833977181968kOIRJNlJ)
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