New API

cdn.sta1n.cn · 测评于 2026-09-27 15:42 · 最近更新批次 #600

60.2

综合评分

53.7

能力分（40%）

67.3

性能分（40%）

58.8

一致性分（20%）

1.59s

首字最快用时

5.34s

首字平均用时

254.0

每秒最大 tokens

126.0

平均每秒 tokens

测评模型数

deepseek-v4.1-flash

最佳模型 61.1

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

deepseek-v4.1-flash：题目通过率 60%，低于 75%；最低能力维度 0 分，低于 30 分
[AN]gemini-3.1-pro-thinking：题目通过率 50%，低于 75%

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。

deepseek-v4.1-flash

DeepSeek · 平均延迟 8.71秒 · 成功率 60%（6/10 题）

61.1 分

能力分57.5

性能分86.4

一致性分17.6

首字最快用时1.59秒

首字平均用时1.94秒

每秒最大 tokens253.99

平均每秒 tokens199.49

平均响应延迟8.71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 50.0 (1/2)

知识 0.0 (0/2)

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

[AN]gemini-3.1-pro-thinking

Gemini · 平均延迟 18.58秒 · 成功率 50%（5/10 题）

59.2 分

能力分50.0

性能分48.1

一致性分100.0

首字最快用时7.13秒

首字平均用时8.73秒

每秒最大 tokens175.29

平均每秒 tokens52.52

平均响应延迟18.58秒

一致性判定：维度均衡

五大能力维度

数学 50.0 (1/2)

逻辑 50.0 (1/2)

代码 44.4 (1/2)

中文 55.6 (1/2)

知识 50.0 (1/2)

该模型触发测评预警：题目通过率 50%，低于 75%

返回排行榜