Just a moment...
code.newcli.com · 测评于 2026-09-27 15:42 · 最近更新批次 #60
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-luna：题目通过率 70%，低于 75%
- gpt-image-1：题目通过率 0%，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。
claude-sonnet-5
Claude · 平均延迟 9.58秒 · 成功率 100%（10/10 题）
94.2 分
能力分100.0
性能分85.4
一致性分100.0
首字最快用时1.58秒
首字平均用时4.75秒
每秒最大 tokens134.32
平均每秒 tokens75.76
平均响应延迟9.58秒
一致性判定：维度均衡
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
100.0 (2/2)
gpt-5.5
GPT · 平均延迟 6.55秒 · 成功率 90%（9/10 题）
83.8 分
能力分91.1
性能分89.8
一致性分57.0
首字最快用时1.28秒
首字平均用时3.27秒
每秒最大 tokens125.00
平均每秒 tokens82.63
平均响应延迟6.55秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
逻辑
50.0 (1/2)
代码
100.0 (2/2)
中文
100.0 (2/2)
知识
100.0 (2/2)
gpt-5.4
GPT · 平均延迟 6.29秒 · 成功率 90%（9/10 题）
82.9 分
能力分88.9
性能分90.0
一致性分57.0
首字最快用时1.47秒
首字平均用时3.21秒
每秒最大 tokens156.23
平均每秒 tokens89.37
平均响应延迟6.29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
50.0 (1/2)
claude-sonnet-4-6
Claude · 平均延迟 6.38秒 · 成功率 90%（9/10 题）
82.7 分
能力分88.9
性能分89.3
一致性分57.0
首字最快用时1.43秒
首字平均用时3.41秒
每秒最大 tokens235.14
平均每秒 tokens103.48
平均响应延迟6.38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
50.0 (1/2)
claude-opus-4-6
Claude · 平均延迟 7.60秒 · 成功率 90%（9/10 题）
81.5 分
能力分88.9
性能分86.4
一致性分57.0
首字最快用时1.55秒
首字平均用时4.36秒
每秒最大 tokens92,000.00
平均每秒 tokens9,272.54
平均响应延迟7.60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
50.0 (1/2)
gpt-5.6-terra
GPT · 平均延迟 7.01秒 · 成功率 80%（8/10 题）
75.4 分
能力分77.8
性能分85.4
一致性分50.7
首字最快用时1.36秒
首字平均用时3.87秒
每秒最大 tokens170.06
平均每秒 tokens93.60
平均响应延迟7.01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-5.6-luna
GPT · 平均延迟 9.39秒 · 成功率 70%（7/10 题）
70.5 分
能力分68.9
性能分81.9
一致性分50.7
首字最快用时2.22秒
首字平均用时3.79秒
每秒最大 tokens360.61
平均每秒 tokens77.58
平均响应延迟9.39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
50.0 (1/2)
中文
100.0 (2/2)
知识
50.0 (1/2)
该模型触发测评预警：题目通过率 70%，低于 75%
gpt-5.6-sol
GPT · 平均延迟 8.09秒 · 成功率 78%（7/9 题）
69.8 分
能力分75.6
性能分73.6
一致性分50.7
首字最快用时1.38秒
首字平均用时4.63秒
每秒最大 tokens123.73
平均每秒 tokens63.42
平均响应延迟8.09秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (1/1)
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
Claude · 平均延迟 10.08秒 · 成功率 78%（7/9 题）
69.2 分
能力分75.6
性能分72.0
一致性分50.7
首字最快用时1.27秒
首字平均用时4.42秒
每秒最大 tokens94.75
平均每秒 tokens59.19
平均响应延迟10.08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 (1/1)
代码
50.0 (1/2)
中文
100.0 (2/2)
知识
50.0 (1/2)
gpt-image-1
GPT · 平均延迟 0.34秒 · 成功率 0%（0/10 题）
50.0 分
能力分0.0
性能分75.0
一致性分100.0
首字最快用时0.30秒
首字平均用时0.34秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟0.34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：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