实测 Bench

数据概况

• 收录 5200 个站 · 监控 2542 个站，其中 769 个站、5105 个分组有站方可用率（Claude 1051、GPT 1809、Gemini 743、Grok 342、其他 1160）；已实测 291 个站
• 可用率每 30 分钟采集一次，分组倍率分档读取：入榜站每 30 分钟，实测分组与无站方监控的站每 2 小时内，其余站每天 1 次
• 达标线：分组 7 天与 30 天可用率都不低于 95%
• 统一实测标准：Claude claude-opus-5-5 · 思考档 xhigh；GPT gpt-6.1-sol · 思考档 xhigh；Grok grok-4.7 · 思考档 xhigh；Gemini gemini-4-argon · 思考档 high
• 分组实测结论分布：通过 391、未通过 138、待复核 111、疑似假模型 104、降智 70、不符合标准 27、不可用 4、未测 1、疑似回放 1

常见问题

Bench 分数是怎么来的？

每个模型族固定一个模型和一个思考档，所有站跑同一组请求，由程序对真伪、降智·推理截断、能力答题、完整性四项判分，所以不同站的分数可以横向比较。旧标准和非标准模型的结果单独标注，不和当前标准混算。

Bench 分高就一定好用吗？

不一定。Bench 只说明测试那一次的模型身份和答题表现，价格、可用率和长期稳定性要另看站点详情页的分组倍率和 7 天、30 天可用率。实际使用前仍建议小额验证扣费。

关于本站

DeeDee Pulse 由 DeeDee 运营，数据口径见 口径说明、入门见 入门指南。DeeDeeAI 为自营，不参与排名。DeeDeeAI（deedee.tech）与本站同由 DeeDee 运营，页面中单独标注「自营」。