bblabu 算力中心
api.bblabu.ai · 测评于 2026-09-27 15:42 · 最近更新批次 #167
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%
- claude-opus-4-8：题目通过率 60%，低于 75%
- gpt-5.6-sol-openai-compact：题目通过率 70%，低于 75%
- deepseek-v4-flash-vision-exp：题目通过率 40%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-terra-openai-compact：成功率低于 85%；最低维度低于 35 分
- deepseek-v4-pro-0813：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 14.66秒 · 成功率 70%（7/10 题）
70.2 分
能力分72.3
性能分77.2
一致性分51.9
首字最快用时1.45秒
首字平均用时5.71秒
每秒最大 tokens4,265.63
平均每秒 tokens544.41
平均响应延迟14.66秒
一致性判定：偏科明显
五大能力维度
数学
55.6 (1/2)
逻辑
50.0 (1/2)
代码
50.0 (1/2)
中文
100.0 (2/2)
知识
100.0 (2/2)
该模型触发测评预警：题目通过率 70%，低于 75%
claude-opus-4-8
Claude · 平均延迟 12.85秒 · 成功率 60%（6/10 题）
69.4 分
能力分58.7
性能分74.7
一致性分80.0
首字最快用时2.87秒
首字平均用时5.21秒
每秒最大 tokens96.20
平均每秒 tokens77.15
平均响应延迟12.85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
50.0 (1/2)
中文
50.0 (1/2)
知识
50.0 (1/2)
该模型触发测评预警：题目通过率 60%，低于 75%
gpt-5.5
GPT · 平均延迟 9.91秒 · 成功率 80%（8/10 题）
69.1 分
能力分77.8
性能分69.5
一致性分50.7
首字最快用时1.30秒
首字平均用时2.86秒
每秒最大 tokens57.73
平均每秒 tokens44.29
平均响应延迟9.91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
50.0 (1/2)
知识
50.0 (1/2)
gpt-5.6-sol-openai-compact
GPT · 平均延迟 13.05秒 · 成功率 70%（7/10 题）
68.7 分
能力分70.2
性能分56.4
一致性分90.0
首字最快用时1.35秒
首字平均用时5.95秒
每秒最大 tokens57.58
平均每秒 tokens42.54
平均响应延迟13.05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
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%
deepseek-v4-flash-vision-exp
DeepSeek · 平均延迟 4.54秒 · 成功率 40%（4/10 题）
60.1 分
能力分39.1
性能分82.6
一致性分57.0
首字最快用时1.02秒
首字平均用时1.56秒
每秒最大 tokens123.79
平均每秒 tokens106.21
平均响应延迟4.54秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
50.0 (1/2)
代码
0.0 (0/2)
中文
50.0 (1/2)
知识
50.0 (1/2)
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-5.6-terra-openai-compact
GPT · 平均延迟 1.94秒 · 成功率 0%（0/10 题）
48.6 分
能力分0.0
性能分71.4
一致性分100.0
首字最快用时1.88秒
首字平均用时1.94秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟1.94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-pro-0813
DeepSeek · 平均延迟 6.71秒 · 成功率 10%（1/10 题）
47.0 分
能力分8.9
性能分69.5
一致性分78.0
首字最快用时1.56秒
首字平均用时3.36秒
每秒最大 tokens11,363.64
平均每秒 tokens3,577.62
平均响应延迟6.71秒
一致性判定：偏科明显
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
44.4 (1/2)
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