器灵 Soulmate
评测节点在线

我的测试记录

评测在服务器后台运行,当前任务不阻止再开新任务。点「新测试」或再次提交三要素即可另开;历史显示模型、时间、状态,可分页看完全部记录。

0 / 0

提交后任务在后台执行,页面可继续新建另一测试;不必等当前任务结束。

思维链兼容说明 · 若被测端点不支持思维链参数,系统会自动去掉该参数、以不带思维链的普通请求继续跑完整场测试,不会因为这个可选参数把评测判成失败;实际是否降级会在下方结果区标注为「端点不支持,已自动降级」,并附上端点拒绝时返回的原文。

Key 不落盘 · 仅在任务内存与加密连接中使用 全量档 · lm-eval 七维不限题数跑满,保留逐题证据与 95% 区间 真实结果 · 单方向失败不影响另一方向 思维链 · 未启用(沿用端点默认)
准备中… 0%
LM-EVAL等待 测速等待 鹈鹕等待 LIVEBENCH等待

鹈鹕骑车 Pelican on a Bicycle

提示词:Generate an SVG of a pelican riding a bicycle

PELICAN
等待提交IDLE

等待交付页

标准能力雷达

知识、推理、数学、阅读、指令与真实性

LM-EVAL
等待提交IDLE

LiveBench 抗污染雷达

题库批次 2024-11-25、六类题库按档位抽样、纯客观判分不用 LLM 裁判

LIVEBENCH
等待提交IDLE

测速结果表

4K→1024K 每档翻倍 · 并发 1 · 输出 128 tokens · 口径对标 llm_speedtest

SPEED
等待提交IDLE
接口: OpenAI 兼容接口 · 模型: — · 并发数: 1 · 输出 128 tokens
提示词长度
(tokens)
TTFT
(ms)
ITL平均
(ms)
预填充速度
(tokens/s)
输出速度
(tokens/s)
状态

总预填充 (Prefill) 吞吐 - — - 并发1

横轴为提示词长度档位 · 纵轴为预填充吞吐 tokens/s

PREFILL

输出 (Decode) 吞吐 - — - 并发1

横轴为提示词长度档位 · 纵轴为输出吞吐 tokens/s

DECODE

生成速度

一次生成:总耗时、排队与各阶段耗时

SPEED

阶段耗时

排队、加载模型、文本编码、采样、解码、保存/编码(秒)

STAGES

采样每步耗时

横轴为采样步序号 · 纵轴为该步耗时(秒)· 第 1 步含把模型搬上显存

STEPS