Kitool.AI - 企业级中转
kitool.ai · 测评于 2026-09-27 15:42 · 最近更新批次 #117
codex-auto-review
最佳模型 74.3
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-terra：题目通过率 50%，低于 75%；最低能力维度 0 分，低于 30 分
- gpt-5.6-sol：题目通过率 60%，低于 75%
- claude-opus-5：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- claude-sonnet-5：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。
codex-auto-review
Codex · 平均延迟 7.58秒 · 成功率 90%（9/10 题）
74.3 分
能力分91.1
性能分66.2
一致性分57.0
首字最快用时1.84秒
首字平均用时4.76秒
每秒最大 tokens100.63
平均每秒 tokens44.44
平均响应延迟7.58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
100.0 (2/2)
中文
100.0 (2/2)
知识
100.0 (2/2)
gpt-5.6-terra
GPT · 平均延迟 8.95秒 · 成功率 50%（5/10 题）
64.5 分
能力分47.8
性能分63.4
一致性分100.0
首字最快用时1.99秒
首字平均用时5.18秒
每秒最大 tokens155.61
平均每秒 tokens60.48
平均响应延迟8.95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
100.0 (2/2)
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 50%，低于 75%；最低能力维度 0 分，低于 30 分
gpt-5.6-sol
GPT · 平均延迟 11.68秒 · 成功率 60%（6/10 题）
55.7 分
能力分60.0
性能分52.0
一致性分54.4
首字最快用时3.35秒
首字平均用时8.72秒
每秒最大 tokens182.66
平均每秒 tokens55.08
平均响应延迟11.68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
100.0 (2/2)
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 60%，低于 75%
claude-opus-5
Claude · 平均延迟 0.06秒 · 成功率 0%（0/8 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0.05秒
首字平均用时0.06秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟0.06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 (0/1)
代码
0.0 (0/1)
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
claude-sonnet-5
Claude · 平均延迟 0.07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0.04秒
首字平均用时0.07秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟0.07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