FHL - AI API Gateway
fhl.mom · 测评于 2026-09-27 15:42 · 最近更新批次 #74
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：题目通过率 70%，低于 75%
- gpt-5.3-codex-spark：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- codex-auto-review：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.4：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 8.14秒 · 成功率 70%（7/10 题）
66.7 分
能力分66.7
性能分72.1
一致性分56.0
首字最快用时4.97秒
首字平均用时7.33秒
每秒最大 tokens11,250.00
平均每秒 tokens4,464.54
平均响应延迟8.14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
50.0 (1/2)
中文
44.4 (1/2)
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-5.3-codex-spark
GPT · 平均延迟 0.41秒 · 成功率 0%（0/9 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0.25秒
首字平均用时0.41秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟0.41秒
一致性判定：维度均衡
五大能力维度
数学
0.0 (0/1)
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
codex-auto-review
Codex · 平均延迟 2.24秒 · 成功率 20%（2/10 题）
48.7 分
能力分19.6
性能分76.8
一致性分50.7
首字最快用时0.25秒
首字平均用时1.84秒
每秒最大 tokens7,000.00
平均每秒 tokens1,509.43
平均响应延迟2.24秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
中文
0.0 (0/2)
知识
50.0 (1/2)
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
gpt-5.4
GPT · 平均延迟 0.91秒 · 成功率 10%（1/10 题）
45.7 分
能力分8.7
性能分77.2
一致性分57.0
首字最快用时0.25秒
首字平均用时0.91秒
每秒最大 tokens8,642.86
平均每秒 tokens1,764.29
平均响应延迟0.91秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (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
返回排行榜
Ai速测