WawAPI

wawapii.com · 测评于 2026-11-16 12:01 · 最近更新批次 #1093

53.9
综合评分
50.2
能力分(40%)
54.7
性能分(40%)
59.7
一致性分(20%)
1.14s
首字最快用时
3.65s
首字平均用时
8,525.3
每秒最大 tokens
351.3
平均每秒 tokens
6
测评模型数
gpt-5.6-sol
最佳模型 78.6
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。
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-opus-5-5
Claude · 平均延迟 10.20秒 · 成功率 60%(6/10 题)
73.5 分
能力分57.8
性能分76.1
一致性分100.0
首字最快用时3.10秒
首字平均用时5.27秒
每秒最大 tokens8,525.25
平均每秒 tokens1,577.47
平均响应延迟10.20秒
一致性判定:高度符合声明特征
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 44.4 (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
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 · 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
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 60%,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)
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
claude-sonnet-5-5
Claude · 平均延迟 0.33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0.33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 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 · 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 不适用
知识与概念边界: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 不适用
复杂指令遵循:接口未支持该可选能力,未计入总分。
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。
结构污染检查 协议完整性 · 0.0 / 8.0 分 不适用
结构污染检查: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 · 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。
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。
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 · 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。
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 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