LLM Performance

LLM 服务商性能对比

最后更新：2026-03-21 测试环境：macOS, 中国大陆网络（无代理） 测试方法：非流式 API 调用，10 条不同语音纠错输入，统计延迟分布

实测结果（15 个模型，每个 10 次）

排名	服务商	模型	最小	平均	中位数	最大	成功率
1	DeepSeek	deepseek-chat	93ms	129ms	120ms	221ms	10/10
2	DeepSeek	deepseek-reasoner	105ms	175ms	186ms	235ms	8/10
3	阿里云百炼	qwen-turbo	457ms	573ms	566ms	716ms	10/10
4	智谱	glm-4-plus	394ms	594ms	511ms	1346ms	10/10
5	Kimi	moonshot-v1-auto	499ms	640ms	657ms	754ms	10/10
6	Kimi	moonshot-v1-8k	538ms	754ms	652ms	1712ms	10/10
7	阿里云百炼	qwen-max	607ms	855ms	802ms	1364ms	10/10
8	阿里云百炼	qwen-plus	633ms	865ms	761ms	1614ms	10/10
9	火山引擎	doubao-1.5-lite-32k	676ms	966ms	1032ms	1178ms	10/10
10	智谱	glm-4-flash	584ms	1072ms	883ms	2109ms	10/10
11	火山引擎	doubao-1.5-pro-32k	908ms	1140ms	1110ms	1515ms	10/10
12	火山引擎	doubao-seed-2.0-mini	779ms	1296ms	929ms	3518ms	9/10
13	MiniMax	MiniMax-M2.5	1845ms	4132ms	3452ms	8314ms	10/10
14	智谱	glm-z1-flash	3016ms	6953ms	7137ms	10143ms	10/10
15	MiniMax	MiniMax-M1	2720ms	7659ms	5716ms	16701ms	10/10
—	讯飞	spark-lite	—	—	—	—	鉴权复杂*
—	Groq	llama-3.3-70b	—	—	—	—	需海外网络

* 讯飞开放平台控制台设计复杂，产品线众多且页面分散，用户体验不友好，测试者未能在控制台中找到所需的鉴权参数。

测试用例（10 条不同输入）

1. 今天天气不措，我想去公远散步。
2. 我们公四的产品经理说这个需球很紧记。
3. 请帮我定一下名天上午十点的会议室。
4. 这个方案的可行性还需要近一步验政。
5. 他在比赛中拿到了第一明，非常棒。
6. 周末我打算去超市买一些生活用品和水国。
7. 麻烦你把这份文件发到我的邮相里。
8. 我觉得这个价格还可以在优会一点。
9. 新来的同事人很好，很快就和大家打成一片了。
10. 最近工做压力比较大，需要好好修息一下。

选择建议

场景	推荐模型	平均延迟	理由
极致速度	DeepSeek deepseek-chat	129ms	最快，但高峰期可能波动
稳定首选	阿里云百炼 qwen-turbo	573ms	波动最小，质量稳定
高质量	智谱 glm-4-plus	594ms	智谱最快的高质量模型
免费	智谱 glm-4-flash	1072ms	免费额度多
海外用户	Groq llama-3.3-70b	~500ms*	自研 LPU 极快，需海外网络

* Groq 延迟为公开基准数据，非本次实测。

注意事项

• DeepSeek 高峰期（晚 8-11 点）延迟可能升至数秒
• 智谱 glm-z1-flash 是推理模型（含思考过程），延迟 7 秒不适合实时纠错
• MiniMax 输出包含 <think> 推理标签，app 已自动清洗
• 火山引擎 偶发高延迟（3-13 秒），可能是冷启动
• 流式（打字机模式）首 token 延迟会更短
• 延迟受网络、时段、服务器负载影响，以上数据仅供参考