跳到主要内容
Folkbench
榜单
分榜
可用率
近 24 小时的请求成功率
首字延迟
收到第一个 token 的耗时
稳定性
成功率与延迟波动的综合评分
会话成本
一次编程会话的花费
更多
性价比
智能指数与会话成本的对照
数据安全榜
各中转站的数据安全等级
中转站
浏览
全部中转站
各站的可用率、延迟与价格
中转站对比
两家中转站逐项对照
站长
站长入驻
提交你的中转站,加入公开评测
评测
评测
降智监控
同一模型在各站的探针一致率
实时检测
用你自己的 Key 检测一个接口
更多
评测列表
全部已发布的评测项目
博客
Switch
3,247
跟随系统
站长入驻
社群入口
登录
注册
登录
←
评测列表
鹈鹕测试
这是一道固定的画画题。把同一句要求发给你填的接口,让模型画一只正在骑自行车的鹈鹕,再把这一次画出来的画面和动作原样显示出来。
相关文章
相关文章
如何给一只骑车的鹈鹕打分?从网红测试到可信评测系统
第一篇讨论“别轻信一张截图”。这一篇继续追问:为什么连一个分数,也不能轻信?
阅读
→
相关文章
模型真的“降智”了吗?从一张翻车截图到一场可信的对照实验
一次翻车能证明模型犯过错,却不能独自证明它比以前更容易犯错。这篇文章讨论怎样把这种怀疑变成可以复查的证据。
阅读
→
生成我的鹈鹕
→
GPT 系列
gpt-5.6-sol
Codex 官方
Claude 系列
claude-opus-5
anpin.ai · 高缓cc_kiro
混元系列
hy4-preview
混元官方
Gemini 系列
gemini-3.5-flash
Gemini 官方
GLM 系列
glm-5.3
GLM 官方
其他模型
kimi-k3
Kimi 官方
deepseek-v4-pro
DeepSeek V4 Pro 官方
deepseek-v4.1-flash
DeepSeek V4.1 Flash 官方
简体中文