以可复现脚本与指标对比各厂商与场景，支撑选型决策。
本报告由仓库内 `scripts/openai_compat_model_eval` 自动生成；在可自动化评分的用例上，**平均分（约 22 项，不含纯性能/频控/可靠度/可选协议/safety[默认] 等行）**为 **0.816**（0～1，越高越好）。 > **重要声明**：多模态、幻觉、长上下文、逻辑等题目均为工程向「快速探针」；分数受提示词、温度、网关路由、模型版本、语言分布影响。上线采购或 SLA 前请结合你们自有基准与人工审核。
本报告由仓库内 scripts/openai_compat_model_eval 自动生成；在可自动化评分的用例上，平均分（约 22 项，不含纯性能/频控/可靠度/可选协议/safety[默认] 等行）为 0.325（0～1，越高越好）。
本报告由仓库内 `scripts/openai_compat_model_eval` 自动生成；在可自动化评分的用例上，**平均分（约 22 项，不含纯性能/频控/可靠度/可选协议/safety[默认] 等行）**为 **0.736**（0～1，越高越好）。 > **重要声明**：多模态、幻觉、长上下文、逻辑等题目均为工程向「快速探针」；分数受提示词、温度、网关路由、模型版本、语言分布影响。上线采购或 SLA 前请结合你们自有基准与人工审核。
好的模型，现在就是需要 2 到七八秒的返回。