New API
jojocode.com · 测评于 2026-10-12 09:19 · 最近更新批次 #830
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
- claude-opus-5-5:题目通过率 60%,低于 75%;最低能力维度 0 分,低于 30 分
- gpt-5.5:题目通过率 40%,低于 75%;最低能力维度 0 分,低于 30 分
- gpt-5.3-codex-spark:题目通过率 20%,低于 75%;最低能力维度 0 分,低于 30 分
- gpt-5.6-luna:题目通过率 20%,低于 75%;最低能力维度 0 分,低于 30 分
- gpt-5.6-sol:题目通过率 20%,低于 75%;最低能力维度 0 分,低于 30 分
- gpt-5.4-mini:题目通过率 0%,低于 75%;最低能力维度 0 分,低于 30 分
- gpt-5.4:题目通过率 40%,低于 75%;最低能力维度 0 分,低于 30 分
- gpt-6-astra:题目通过率 20%,低于 75%;最低能力维度 0 分,低于 30 分
- gpt-5.6-terra:题目通过率 20%,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。
claude-opus-5-5
Claude · 平均延迟 19.54秒 · 成功率 60%(6/10 题)
67.1 分
能力分56.5
性能分68.2
一致性分86.1
首字最快用时2.10秒
首字平均用时3.21秒
每秒最大 tokens117.29
平均每秒 tokens66.44
平均响应延迟19.54秒
一致性判定:基本符合声明特征
五大能力维度
数学
100.0 (2/2)
逻辑
100.0 (2/2)
代码
50.0 (1/2)
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
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
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
不适用
工具调用兼容性:接口未支持该可选能力,未计入总分。
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。
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 60%,低于 75%;最低能力维度 0 分,低于 30 分
gpt-5.5
GPT · 平均延迟 15.68秒 · 成功率 40%(4/10 题)
49.0 分
能力分40.4
性能分35.5
一致性分93.0
首字最快用时1.39秒
首字平均用时9.01秒
每秒最大 tokens56.77
平均每秒 tokens35.33
平均响应延迟15.68秒
一致性判定:偏科明显
五大能力维度
数学
0.0 (0/2)
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 40%,低于 75%;最低能力维度 0 分,低于 30 分
gpt-5.3-codex-spark
GPT · 平均延迟 18.43秒 · 成功率 20%(2/10 题)
46.9 分
能力分20.0
性能分71.9
一致性分50.7
首字最快用时1.02秒
首字平均用时3.39秒
每秒最大 tokens726.54
平均每秒 tokens185.38
平均响应延迟18.43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
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-5.6-luna
GPT · 平均延迟 23.78秒 · 成功率 20%(2/10 题)
45.7 分
能力分21.3
性能分69.5
一致性分47.1
首字最快用时1.11秒
首字平均用时4.15秒
每秒最大 tokens1,000.00
平均每秒 tokens104.11
平均响应延迟23.78秒
一致性判定:偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
55.6 (1/2)
代码
50.0 (1/2)
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 20%,低于 75%;最低能力维度 0 分,低于 30 分
gpt-5.6-sol
GPT · 平均延迟 27.12秒 · 成功率 20%(2/10 题)
40.2 分
能力分21.3
性能分29.3
一致性分100.0
首字最快用时1.17秒
首字平均用时4.51秒
每秒最大 tokens34.89
平均每秒 tokens6.69
平均响应延迟27.12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
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 20%,低于 75%;最低能力维度 0 分,低于 30 分
gpt-5.4-mini
GPT · 平均延迟 9.11秒 · 成功率 0%(0/10 题)
39.6 分
能力分0.0
性能分49.1
一致性分100.0
首字最快用时8.85秒
首字平均用时9.11秒
每秒最大 tokens1,000.00
平均每秒 tokens1,000.00
平均响应延迟9.11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
gpt-5.4
GPT · 平均延迟 20.03秒 · 成功率 40%(4/10 题)
35.8 分
能力分42.6
性能分19.7
一致性分54.4
首字最快用时2.20秒
首字平均用时11.90秒
每秒最大 tokens51.20
平均每秒 tokens22.56
平均响应延迟20.03秒
一致性判定:偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
55.6 (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 40%,低于 75%;最低能力维度 0 分,低于 30 分
gpt-6-astra
GPT · 平均延迟 27.58秒 · 成功率 20%(2/10 题)
21.7 分
能力分19.2
性能分8.9
一致性分52.5
首字最快用时1.31秒
首字平均用时11.03秒
每秒最大 tokens56.22
平均每秒 tokens6.61
平均响应延迟27.58秒
一致性判定:偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
44.4 (1/2)
代码
0.0 (0/2)
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 20%,低于 75%;最低能力维度 0 分,低于 30 分
gpt-5.6-terra
GPT · 平均延迟 27.02秒 · 成功率 20%(2/10 题)
20.0 分
能力分21.3
性能分5.1
一致性分47.1
首字最快用时1.03秒
首字平均用时12.56秒
每秒最大 tokens37.80
平均每秒 tokens5.27
平均响应延迟27.02秒
一致性判定:偏科明显
五大能力维度
数学
0.0 (0/2)
逻辑
55.6 (1/2)
代码
0.0 (0/2)
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 20%,低于 75%;最低能力维度 0 分,低于 30 分
返回排行榜