新疆幻城网安科技公益大模型API网关 | 免费GPT·Claude·Gemini接口

api.hcnsec.cn · 测评于 2026-11-05 13:41 · 最近更新批次 #1022

43.3
综合评分
24.5
能力分(40%)
46.2
性能分(40%)
75.0
一致性分(20%)
0.71s
首字最快用时
4.62s
首字平均用时
451.2
每秒最大 tokens
81.7
平均每秒 tokens
15
测评模型数
sensenova-6.8-flash-lite
最佳模型 72.5
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

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。

各模型得分明细

前往该中转站
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。
sensenova-6.8-flash-lite
Sensenova · 平均延迟 9.74秒 · 成功率 60%(6/10 题)
72.5 分
能力分57.8
性能分78.3
一致性分90.0
首字最快用时2.50秒
首字平均用时3.72秒
每秒最大 tokens165.27
平均每秒 tokens83.58
平均响应延迟9.74秒
一致性判定:高度符合声明特征
五大能力维度
数学 100.0 (2/2)
逻辑 100.0 (2/2)
代码 0.0 (0/2)
中文 50.0 (1/2)
知识 50.0 (1/2)
一致性专项明细(11 项)
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
知识与概念边界 知识准确度 · 10.0 / 10.0 分 通过
复杂指令遵循 指令遵循 · 0.0 / 10.0 分 异常
复杂指令遵循:调用失败,未通过测试。接口报错:inference exceeds tpm/rpm limit
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
结构污染检查 协议完整性 · 8.0 / 8.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
该模型触发测评预警:题目通过率 60%,低于 75%;最低能力维度 0 分,低于 30 分
step-5-preview
Step · 平均延迟 12.90秒 · 成功率 70%(7/10 题)
70.1 分
能力分66.7
性能分72.0
一致性分73.0
首字最快用时1.00秒
首字平均用时2.54秒
每秒最大 tokens69.08
平均每秒 tokens51.66
平均响应延迟12.90秒
一致性判定:存在明显行为偏差
五大能力维度
数学 100.0 (2/2)
逻辑 100.0 (2/2)
代码 0.0 (0/2)
中文 100.0 (2/2)
知识 50.0 (1/2)
一致性专项明细(11 项)
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
知识与概念边界 知识准确度 · 10.0 / 10.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
动态结构化输出 JSON 结构化 · 0.0 / 12.0 分 未通过
JSON 不可解析、字段多余/缺失,或字段值类型不符合。
结构污染检查 协议完整性 · 0.0 / 8.0 分 未通过
JSON 不可解析、字段多余/缺失,或字段值类型不符合。
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
身份自报检查 声明一致性 · 0.0 / 2.0 分 未通过
最终答案或格式约束不符合预期。
响应协议完整性 协议完整性 · 0.0 / 5.0 分 异常
响应协议完整性:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
该模型触发测评预警:题目通过率 70%,低于 75%;最低能力维度 0 分,低于 30 分
Qwen3.8-Flash-Next
通义千问 / Qwen · 平均延迟 18.55秒 · 成功率 50%(5/10 题)
52.3 分
能力分46.7
性能分54.5
一致性分59.0
首字最快用时1.10秒
首字平均用时2.07秒
每秒最大 tokens47.36
平均每秒 tokens28.37
平均响应延迟18.55秒
一致性判定:存在明显行为偏差
五大能力维度
数学 100.0 (2/2)
逻辑 50.0 (1/2)
代码 0.0 (0/2)
中文 100.0 (2/2)
知识 0.0 (0/2)
一致性专项明细(11 项)
动态多步计算 推理能力 · 0.0 / 10.0 分 异常
动态多步计算:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
知识与概念边界 知识准确度 · 10.0 / 10.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 0.0 / 10.0 分 异常
多约束逻辑推理:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
结构污染检查 协议完整性 · 8.0 / 8.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
工具调用兼容性 高级功能 · 0.0 / 14.0 分 未通过
接口返回成功,但模型未按要求发起有效工具调用。
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
流式输出检查 协议完整性 · 0.0 / 7.0 分 异常
流式输出检查:调用失败,未通过测试。请求失败:Operation timed out after 30002 milliseconds with 0 bytes received
该模型触发测评预警:题目通过率 50%,低于 75%;最低能力维度 0 分,低于 30 分
DeepSeek-V4-Pro
DeepSeek · 平均延迟 14.54秒 · 成功率 40%(4/10 题)
50.4 分
能力分41.3
性能分56.1
一致性分57.0
首字最快用时2.83秒
首字平均用时4.22秒
每秒最大 tokens114.79
平均每秒 tokens45.77
平均响应延迟14.54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 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:成功率低于 85%;最低维度低于 35 分
glm-5.3
GLM / ChatGLM · 平均延迟 21.27秒 · 成功率 30%(3/10 题)
49.8 分
能力分26.7
性能分54.1
一致性分87.5
首字最快用时4.79秒
首字平均用时9.87秒
每秒最大 tokens346.70
平均每秒 tokens103.73
平均响应延迟21.27秒
一致性判定:基本符合声明特征
五大能力维度
数学 44.4 (1/2)
逻辑 50.0 (1/2)
代码 0.0 (0/2)
中文 50.0 (1/2)
知识 0.0 (0/2)
一致性专项明细(11 项)
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
知识与概念边界 知识准确度 · 0.0 / 10.0 分 未通过
缺少关键词或最终结论不符合:可靠、顺序、拥塞、实时
动态结构化输出 JSON 结构化 · 0.0 / 12.0 分 不适用
动态结构化输出:接口未支持该可选能力,未计入总分。
结构污染检查 协议完整性 · 0.0 / 8.0 分 不适用
结构污染检查:接口未支持该可选能力,未计入总分。
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
该模型触发测评预警:题目通过率 30%,低于 75%;最低能力维度 0 分,低于 30 分
MiniMax-M3.1-Flash
MiniMax · 平均延迟 23.60秒 · 成功率 40%(4/10 题)
49.5 分
能力分37.8
性能分41.0
一致性分90.0
首字最快用时1.09秒
首字平均用时3.77秒
每秒最大 tokens40.44
平均每秒 tokens29.90
平均响应延迟23.60秒
一致性判定:高度符合声明特征
五大能力维度
数学 55.6 (1/2)
逻辑 100.0 (2/2)
代码 0.0 (0/2)
中文 50.0 (1/2)
知识 0.0 (0/2)
一致性专项明细(11 项)
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
结构污染检查 协议完整性 · 8.0 / 8.0 分 通过
知识与概念边界 知识准确度 · 0.0 / 10.0 分 未通过
缺少关键词或最终结论不符合:可靠、顺序、拥塞、实时
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
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
Qwen3.8-27B
通义千问 / Qwen · 平均延迟 4.41秒 · 成功率 0%(0/10 题)
48.7 分
能力分0.0
性能分71.7
一致性分100.0
首字最快用时0.89秒
首字平均用时1.87秒
每秒最大 tokens304.76
平均每秒 tokens176.28
平均响应延迟4.41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
sensenova-6.7-flash-lite
Sensenova · 平均延迟 6.06秒 · 成功率 0%(0/10 题)
45.0 分
能力分0.0
性能分62.4
一致性分100.0
首字最快用时3.53秒
首字平均用时4.84秒
每秒最大 tokens451.23
平均每秒 tokens333.00
平均响应延迟6.06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
glm-5.3-flash
GLM / ChatGLM · 平均延迟 21.82秒 · 成功率 40%(4/10 题)
44.0 分
能力分37.8
性能分44.3
一致性分56.0
首字最快用时2.22秒
首字平均用时5.88秒
每秒最大 tokens73.75
平均每秒 tokens55.73
平均响应延迟21.82秒
一致性判定:存在明显行为偏差
五大能力维度
数学 100.0 (2/2)
逻辑 50.0 (1/2)
代码 0.0 (0/2)
中文 50.0 (1/2)
知识 0.0 (0/2)
一致性专项明细(11 项)
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 0.0 / 10.0 分 异常
多约束逻辑推理:调用失败,未通过测试。请求失败:Operation timed out after 30002 milliseconds with 0 bytes received
知识与概念边界 知识准确度 · 0.0 / 10.0 分 异常
知识与概念边界:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
复杂指令遵循 指令遵循 · 0.0 / 10.0 分 异常
复杂指令遵循:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
动态结构化输出 JSON 结构化 · 0.0 / 12.0 分 异常
动态结构化输出:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
结构污染检查 协议完整性 · 8.0 / 8.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
身份自报检查 声明一致性 · 0.0 / 2.0 分 异常
身份自报检查:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
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
DeepSeek-V4.1-Flash
DeepSeek · 平均延迟 23.91秒 · 成功率 20%(2/10 题)
37.2 分
能力分17.8
性能分29.3
一致性分92.0
首字最快用时3.78秒
首字平均用时9.76秒
每秒最大 tokens158.62
平均每秒 tokens93.36
平均响应延迟23.91秒
一致性判定:高度符合声明特征
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 50.0 (1/2)
知识 0.0 (0/2)
一致性专项明细(11 项)
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
知识与概念边界 知识准确度 · 10.0 / 10.0 分 通过
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
结构污染检查 协议完整性 · 0.0 / 8.0 分 异常
结构污染检查:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
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
glm-4.5-air
GLM / ChatGLM · 平均延迟 25.37秒 · 成功率 0%(0/10 题)
33.8 分
能力分0.0
性能分34.4
一致性分100.0
首字最快用时0.71秒
首字平均用时1.77秒
每秒最大 tokens50.80
平均每秒 tokens9.65
平均响应延迟25.37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
MiMo-V2.6-Flash
Mimo · 平均延迟 26.73秒 · 成功率 20%(2/10 题)
33.5 分
能力分17.8
性能分24.9
一致性分82.0
首字最快用时0.97秒
首字平均用时5.78秒
每秒最大 tokens24.87
平均每秒 tokens19.34
平均响应延迟26.73秒
一致性判定:基本符合声明特征
五大能力维度
数学 0.0 (0/2)
逻辑 100.0 (2/2)
代码 0.0 (0/2)
中文 0.0 (0/2)
知识 0.0 (0/2)
一致性专项明细(11 项)
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
知识与概念边界 知识准确度 · 0.0 / 10.0 分 未通过
缺少关键词或最终结论不符合:实时
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
结构污染检查 协议完整性 · 0.0 / 8.0 分 异常
结构污染检查:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
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
Kimi-K2.6
Kimi / Moonshot · 平均延迟 13.24秒 · 成功率 10%(1/10 题)
33.1 分
能力分8.7
性能分45.6
一致性分57.0
首字最快用时2.12秒
首字平均用时3.28秒
每秒最大 tokens58.80
平均每秒 tokens34.74
平均响应延迟13.24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 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 4.64秒 · 成功率 10%(1/10 题)
29.9 分
能力分8.9
性能分24.9
一致性分82.0
首字最快用时5.35秒
首字平均用时5.35秒
每秒最大 tokens79.30
平均每秒 tokens79.30
平均响应延迟4.64秒
一致性判定:基本符合声明特征
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)
一致性专项明细(11 项)
动态多步计算 推理能力 · 10.0 / 10.0 分 通过
多约束逻辑推理 推理能力 · 10.0 / 10.0 分 通过
复杂指令遵循 指令遵循 · 10.0 / 10.0 分 通过
动态结构化输出 JSON 结构化 · 12.0 / 12.0 分 通过
知识与概念边界 知识准确度 · 0.0 / 10.0 分 异常
知识与概念边界:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
长文本定位与记忆 上下文能力 · 12.0 / 12.0 分 通过
结构污染检查 协议完整性 · 0.0 / 8.0 分 异常
结构污染检查:调用失败,未通过测试。请求失败:Operation timed out after 30001 milliseconds with 0 bytes received
工具调用兼容性 高级功能 · 14.0 / 14.0 分 通过
身份自报检查 声明一致性 · 2.0 / 2.0 分 通过
响应协议完整性 协议完整性 · 5.0 / 5.0 分 通过
流式输出检查 协议完整性 · 7.0 / 7.0 分 通过
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
auto
Auto · 平均延迟 1.18秒 · 成功率 0%(0/10 题)
0.0 分
能力分0.0
性能分0.0
一致性分—
首字最快用时暂无
首字平均用时暂无
每秒最大 tokens0.00
平均每秒 tokens0.00
平均响应延迟1.18秒
一致性判定:与声明特征偏差较大
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)
一致性专项明细(11 项)
动态多步计算 推理能力 · 0.0 / 10.0 分 异常
动态多步计算:调用失败,未通过测试。接口报错:订阅额度不足或未配置订阅: subscription quota insufficient, need=100 (request id: 202611050518055604931088268d9d6SnRnucIV)
多约束逻辑推理 推理能力 · 0.0 / 10.0 分 异常
多约束逻辑推理:调用失败,未通过测试。接口报错:订阅额度不足或未配置订阅: subscription quota insufficient, need=120 (request id: 202611050518067927319988268d9d64YtK6Dva)
复杂指令遵循 指令遵循 · 0.0 / 10.0 分 异常
复杂指令遵循:调用失败,未通过测试。接口报错:订阅额度不足或未配置订阅: subscription quota insufficient, need=148 (request id: 202611050518074042552478268d9d6FGFP8bdx)
知识与概念边界 知识准确度 · 0.0 / 10.0 分 异常
知识与概念边界:调用失败,未通过测试。接口报错:订阅额度不足或未配置订阅: subscription quota insufficient, need=158 (request id: 202611050518081188593108268d9d6E8u3XKja)
动态结构化输出 JSON 结构化 · 0.0 / 12.0 分 异常
动态结构化输出:调用失败,未通过测试。接口报错:订阅额度不足或未配置订阅: subscription quota insufficient, need=183 (request id: 202611050518084168822608268d9d6v46eX2Hl)
结构污染检查 协议完整性 · 0.0 / 8.0 分 异常
结构污染检查:调用失败,未通过测试。接口报错:订阅额度不足或未配置订阅: subscription quota insufficient, need=153 (request id: 202611050518086824365838268d9d6AnSoV386)
长文本定位与记忆 上下文能力 · 0.0 / 12.0 分 异常
长文本定位与记忆:调用失败,未通过测试。接口报错:订阅额度不足或未配置订阅: subscription quota insufficient, need=215 (request id: 202611050518096968952808268d9d6msdFxKyG)
工具调用兼容性 高级功能 · 0.0 / 14.0 分 异常
工具调用兼容性:调用失败,未通过测试。接口报错:订阅额度不足或未配置订阅: subscription quota insufficient, need=220 (request id: 202611050518102813360728268d9d6j4cYSKR9)
流式输出检查 协议完整性 · 0.0 / 7.0 分 异常
流式输出检查:调用失败,未通过测试。流式响应中未提取到内容(HTTP 403):订阅额度不足或未配置订阅: subscription quota insufficient, need=68 (request id: 202611050518112330203138268d9d6MB09SCj5)
响应协议完整性 协议完整性 · 0.0 / 5.0 分 异常
响应协议完整性:调用失败,未通过测试。接口报错:订阅额度不足或未配置订阅: subscription quota insufficient, need=60 (request id: 202611050518117876860708268d9d6RFfTHz39)
身份自报检查 声明一致性 · 0.0 / 2.0 分 异常
身份自报检查:调用失败,未通过测试。接口报错:订阅额度不足或未配置订阅: subscription quota insufficient, need=103 (request id: 202611050518110691424638268d9d6rcMaVkXL)
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 · 仅作能力评测与导航参考,不代表任何商业推荐 · 数据由社区提交