api.b.ai
api.b.ai · 测评于 2026-09-27 15:42 · 最近更新批次 #62
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
- glm-5.3：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- kimi-k3：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v4-pro：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- glm-5.3-flash：题目通过率 10%，低于 75%；最低能力维度 0 分，低于 30 分
- qwen3.8-flash：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
- deepseek-v4-flash：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。
glm-5.3
GLM / ChatGLM · 平均延迟 0.42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0.22秒
首字平均用时0.29秒
每秒最大 tokens1,000.00
平均每秒 tokens202.72
平均响应延迟0.42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
kimi-k3
Kimi / Moonshot · 平均延迟 0.32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0.23秒
首字平均用时0.23秒
每秒最大 tokens1,000.00
平均每秒 tokens203.08
平均响应延迟0.32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
deepseek-v4-pro
DeepSeek · 平均延迟 0.32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0.64秒
首字平均用时0.64秒
每秒最大 tokens1,000.00
平均每秒 tokens103.35
平均响应延迟0.32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
glm-5.3-flash
GLM / ChatGLM · 平均延迟 1.73秒 · 成功率 10%（1/10 题）
32.0 分
能力分8.5
性能分40.6
一致性分61.8
首字最快用时1.51秒
首字平均用时1.53秒
每秒最大 tokens72.41
平均每秒 tokens15.08
平均响应延迟1.73秒
一致性判定：偏科明显
五大能力维度
数学
44.4 (1/2)
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 10%，低于 75%；最低能力维度 0 分，低于 30 分
qwen3.8-flash
通义千问 / Qwen · 平均延迟 1.36秒 · 成功率 20%（2/10 题）
31.5 分
能力分19.2
性能分52.5
一致性分14.0
首字最快用时0.64秒
首字平均用时0.85秒
每秒最大 tokens131.63
平均每秒 tokens28.73
平均响应延迟1.36秒
一致性判定：偏科明显
五大能力维度
数学
100.0 (2/2)
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 20%，低于 75%；最低能力维度 0 分，低于 30 分
deepseek-v4-flash
DeepSeek · 平均延迟 1.39秒 · 成功率 0%（0/10 题）
28.2 分
能力分0.0
性能分20.5
一致性分100.0
首字最快用时7.02秒
首字平均用时7.02秒
每秒最大 tokens110.60
平均每秒 tokens14.31
平均响应延迟1.39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