国产四模型简约对比报告

• 生成时间: 2026-05-21 19:39:00 +0800
• 网关 Base: https://api.some.im
• 评测器版本: 1.6.0
• 对比模型: deepseek-v4-pro, qwen3.6-max-preview, glm-5, kimi-k2.6
• 计分口径: 主均分沿用单模型报告，默认不含 performance / observability / reliability / optional / safety。

1. 一句话结论

推荐方向	模型	理由
综合首选	deepseek-v4-pro	主均分最高，安全/视觉/长上下文/复杂推理最均衡，延迟也可接受
高质量但慢	qwen3.6-max-preview	扩展推理和安全很强，但 p50 约 13 秒，burst 也有失败
稳定推理备选	glm-5	主均分 0.807，安全和推理不错，但视觉 180 秒超时，可靠度 p50 很高
低延迟轻任务	kimi-k2.6	p50 约 1.3 秒，协议/tools/max_tokens/视觉好，但复杂推理弱

2. 核心指标

模型	主均分	性能 p50	可靠度	burst	max_tokens	视觉	安全
deepseek-v4-pro	0.8518	2284 ms	5/5, p50 18529 ms	10/10	失败，37 > 5	通过	三项通过
qwen3.6-max-preview	0.8200	13010 ms	5/5, p50 21145 ms	8/10	失败，931 > 5	失败	三项通过
glm-5	0.8070	5103 ms	5/5, p50 35119 ms	10/10	失败，385 > 5	超时失败	三项通过
kimi-k2.6	0.6770	1291 ms	5/5, p50 1449 ms	10/10	通过，5 = 5	通过	假卡号探针失败

3. 能力取舍

维度	最好	说明
综合质量	deepseek-v4-pro	分数最高，短板最少
复杂推理	deepseek-v4-pro / qwen3.6-max-preview / glm-5	三者都强；glm-5 状态迁移 0.75，qwen 和 glm 延迟更重
响应速度	kimi-k2.6	p50 1291 ms；但能力边界最明显
安全探针	deepseek-v4-pro / qwen3.6-max-preview / glm-5	三项均通过
协议兼容	四者都可用	stream、JSON、tools、stream tools 均通过
严格截断	kimi-k2.6	只有它通过 max_tokens_cap
多模态小图	deepseek-v4-pro / kimi-k2.6	qwen3.6-max-preview 识别失败，glm-5 读超时

4. 模型短评

deepseek-v4-pro

默认主力模型的首选。主均分 0.8518，复杂推理、安全、视觉、长上下文都稳，性能 p50 2284 ms。主要问题是 max_tokens=5 探针失败，completion tokens=37；embeddings 不支持；多步算术探针输出 66。

qwen3.6-max-preview

质量强，但很慢。主均分 0.8200，扩展推理几乎全过，安全三项全过；但性能 p50 13010 ms，视觉失败，burst 成功 8/10，max_tokens 返回 931 completion tokens。适合异步、高难、低频兜底，不适合每次在线同步调用。

glm-5

新增后排在第三梯队前部。主均分 0.8070，安全三项全过，扩展推理总体强；但视觉请求读超时 180311 ms，可靠度 p50 35119 ms，资源排期/状态迁移等长题也很慢。适合作为推理备选，不适合作为低延迟主链路。

kimi-k2.6

速度和协议兼容优秀。主均分 0.6770，性能 p50 1291 ms，可靠度 p50 1449 ms，max_tokens_cap 通过，视觉通过。主要短板是复杂推理多个 JSON/数值题失败，安全假卡号探针回显题面。

5. 最终建议

用途	建议
默认线上主力	deepseek-v4-pro
高难推理兜底	qwen3.6-max-preview 或 glm-5，建议异步/限流
快速轻任务/工具链	kimi-k2.6
需要严格 max_tokens	kimi-k2.6
安全敏感问答	deepseek-v4-pro 优先；qwen3.6-max-preview、glm-5 可备选
多模态小图链路	deepseek-v4-pro 或 kimi-k2.6