API中转站|大模型中转站|GPT中转站|Claude中转站|Codex中文网

tokenme.space · 测评于 2026-11-21 16:27 · 最近更新批次 #3040

46.7
综合评分
41.8
能力分(40%)
53.7
性能分(40%)
42.4
一致性分(20%)
1.45s
首字最快用时
1.77s
首字平均用时
1,108.7
每秒最大 tokens
367.7
平均每秒 tokens
5
测评模型数
claude-opus-5-5
最佳模型 85.9
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 5.23秒 · 成功率 80%(8/10 题)
85.9 分
能力分80.0
性能分91.7
一致性分86.0
首字最快用时1.72秒
首字平均用时1.85秒
每秒最大 tokens268.46
平均每秒 tokens162.44
平均响应延迟5.23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 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 · 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
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
该模型触发测评预警:最低能力维度 0 分,低于 30 分
claude-haiku-4-5-20251001
Claude · 平均延迟 3.50秒 · 成功率 70%(7/10 题)
77.0 分
能力分68.9
性能分89.7
一致性分68.0
首字最快用时1.57秒
首字平均用时1.70秒
每秒最大 tokens603.80
平均每秒 tokens429.41
平均响应延迟3.50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 100.0 (2/2)
代码 0.0 (0/2)
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
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 · 0.0 / 12.0 分 未通过
JSON 不可解析、字段多余/缺失,或字段值类型不符合。
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 未通过
最终答案或格式约束不符合预期。
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
身份自报检查 声明一致性 · 2.0 / 2.0 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-haiku-4-5
Claude · 平均延迟 3.53秒 · 成功率 60%(6/10 题)
70.4 分
能力分60.0
性能分87.0
一致性分58.0
首字最快用时1.45秒
首字平均用时1.77秒
每秒最大 tokens1,108.70
平均每秒 tokens511.30
平均响应延迟3.53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 100.0 (2/2)
代码 0.0 (0/2)
中文 55.6 (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 · 0.0 / 10.0 分 未通过
最终答案或格式约束不符合预期。
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 · 0.0 / 12.0 分 未通过
JSON 不可解析、字段多余/缺失,或字段值类型不符合。
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 未通过
最终答案或格式约束不符合预期。
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-sonnet-5-5
Claude · 平均延迟 0.59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0.59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)
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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):服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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:服务暂时不可用,请稍后重试。 / Service is temporarily unavailable. Please retry shortly.
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
gpt-6.2-sol
GPT · 平均延迟 0.68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0.68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:预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000588 (request id: 202611210827233576999658268d9d6VEUxHGpX)
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:预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000596 (request id: 202611210827234169621188268d9d6cmnWeoyL)
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:预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000600 (request id: 202611210827245354452048268d9d6QEZ4Imcw)
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:预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000594 (request id: 202611210827246812215808268d9d6hCCxCFID)
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:预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000602 (request id: 202611210827259793287008268d9d6aagJfqHB)
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:预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000596 (request id: 202611210827262770891168268d9d6hnZeT0xc)
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:预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000612 (request id: 202611210827275525874288268d9d6BRpmsQ0f)
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:预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000594 (request id: 202611210827276322259248268d9d6t6EYyPdc)
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 403):预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000586 (request id: 20261121082729140031158268d9d68c5NVR9E)
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:预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000604 (request id: 202611210827289977299698268d9d6XCTxG57h)
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:预扣费额度失败, 用户剩余额度: $0.000002, 需要预扣费额度: $0.000584 (request id: 202611210827302007897748268d9d6BA7J12m4)
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