WawAPI
wawapii.com · 测评于 2026-10-06 15:12 · 最近更新批次 #759
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
- gpt-5.6-sol：最低能力维度 0 分，低于 30 分
- claude-sonnet-5-5：题目通过率 70%，低于 75%；最低能力维度 0 分，低于 30 分
- claude-opus-5-5：题目通过率 60%，低于 75%
- gpt-6.1-sol：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-6-astra：题目通过率 50%，低于 75%；最低能力维度 0 分，低于 30 分
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。
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-5.6-sol
GPT · 平均延迟 10.14秒 · 成功率 80%（8/10 题）
78.6 分
能力分78.3
性能分68.2
一致性分100.0
首字最快用时1.14秒
首字平均用时4.42秒
每秒最大 tokens73.13
平均每秒 tokens50.89
平均响应延迟10.14秒
一致性判定：偏科明显
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
100.0 (2/2)
知识
0.0 (0/2)
该模型触发测评预警：最低能力维度 0 分，低于 30 分
claude-sonnet-5-5
Claude · 平均延迟 11.57秒 · 成功率 70%（7/10 题）
74.4 分
能力分66.7
性能分70.6
一致性分97.7
首字最快用时2.08秒
首字平均用时2.55秒
每秒最大 tokens178.77
平均每秒 tokens49.11
平均响应延迟11.57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
50.0 (1/2)
中文
100.0 (2/2)
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
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。
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
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
gpt-5.6-terra
GPT · 平均延迟 8.21秒 · 成功率 80%（8/10 题）
70.4 分
能力分78.3
性能分72.3
一致性分50.7
首字最快用时1.95秒
首字平均用时3.80秒
每秒最大 tokens106.74
平均每秒 tokens55.03
平均响应延迟8.21秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
50.0 (1/2)
中文
100.0 (2/2)
知识
50.0 (1/2)
claude-opus-5-5
Claude · 平均延迟 14.22秒 · 成功率 60%（6/10 题）
63.9 分
能力分63.0
性能分51.5
一致性分90.7
首字最快用时1.36秒
首字平均用时2.14秒
每秒最大 tokens30.24
平均每秒 tokens17.31
平均响应延迟14.22秒
一致性判定：高度符合声明特征
五大能力维度
数学
44.4 (1/2)
逻辑
55.6 (1/2)
代码
55.6 (1/2)
中文
55.6 (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
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。
长文本定位与记忆
上下文能力 · 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
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。
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%
gpt-6.1-sol
GPT · 平均延迟 9.51秒 · 成功率 40%（4/10 题）
54.4 分
能力分39.1
性能分46.9
一致性分100.0
首字最快用时2.00秒
首字平均用时2.74秒
每秒最大 tokens33.29
平均每秒 tokens28.40
平均响应延迟9.51秒
一致性判定：高度符合声明特征
五大能力维度
数学
44.4 (1/2)
逻辑
50.0 (1/2)
代码
55.6 (1/2)
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 · 0.0 / 10.0 分
不适用
动态多步计算：接口未支持该可选能力，未计入总分。
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
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 · 0.0 / 7.0 分
不适用
流式输出检查：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。
响应协议完整性
协议完整性 · 0.0 / 5.0 分
不适用
响应协议完整性：接口未支持该可选能力，未计入总分。
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
gpt-6-astra
GPT · 平均延迟 8.65秒 · 成功率 50%（5/10 题）
46.5 分
能力分47.8
性能分64.7
一致性分7.4
首字最快用时1.59秒
首字平均用时2.03秒
每秒最大 tokens65.69
平均每秒 tokens44.47
平均响应延迟8.65秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
100.0 (2/2)
代码
0.0 (0/2)
中文
100.0 (2/2)
知识
0.0 (0/2)
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
返回排行榜
Ai速测