New API
api.nassaapi.xyz · 测评于 2026-09-27 15:42 · 最近更新批次 #29
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
- deepseek-v4-pro：成功率低于 85%；最低维度低于 35 分
- deepseek-v4-flash-2：成功率低于 85%；最低维度低于 35 分
- deepseek-v4-flash：成功率低于 85%；最低维度低于 35 分
- gpt-5.6-luna：题目通过率 10%，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 11.96秒 · 成功率 90%（9/10 题）
85.5 分
能力分91.5
性能分72.2
一致性分100.0
首字最快用时2.43秒
首字平均用时8.91秒
每秒最大 tokens336.54
平均每秒 tokens120.07
平均响应延迟11.96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
100.0 (2/2)
中文
100.0 (2/2)
知识
100.0 (2/2)
deepseek-v4-pro
DeepSeek · 平均延迟 6.37秒 · 成功率 22%（2/9 题）
49.0 分
能力分22.0
性能分76.9
一致性分47.1
首字最快用时1.49秒
首字平均用时1.96秒
每秒最大 tokens119.70
平均每秒 tokens87.73
平均响应延迟6.37秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
55.6 (1/2)
代码
0.0 (0/2)
中文
0.0 (0/1)
知识
0.0 (0/2)
该模型触发测评预警：成功率低于 85%；最低维度低于 35 分
deepseek-v4-flash-2
DeepSeek · 平均延迟 9.11秒 · 成功率 0%（0/10 题）
43.4 分
能力分0.0
性能分58.6
一致性分100.0
首字最快用时1.77秒
首字平均用时2.31秒
每秒最大 tokens76.45
平均每秒 tokens58.10
平均响应延迟9.11秒
一致性判定：维度均衡
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)
该模型触发测评预警：成功率低于 85%；最低维度低于 35 分
deepseek-v4-flash
DeepSeek · 平均延迟 9.45秒 · 成功率 0%（0/9 题）
43.0 分
能力分0.0
性能分57.6
一致性分100.0
首字最快用时1.73秒
首字平均用时2.79秒
每秒最大 tokens71.58
平均每秒 tokens59.03
平均响应延迟9.45秒
一致性判定：维度均衡
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 (0/1)
该模型触发测评预警：成功率低于 85%；最低维度低于 35 分
gpt-5.6-luna
GPT · 平均延迟 25.42秒 · 成功率 10%（1/10 题）
27.6 分
能力分8.7
性能分36.8
一致性分47.0
首字最快用时2.33秒
首字平均用时2.78秒
每秒最大 tokens93.06
平均每秒 tokens15.21
平均响应延迟25.42秒
一致性判定：偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
50.0 (1/2)
代码
0.0 (0/2)
中文
0.0 (0/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 10%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测