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 次不同语音纠错输入（约 15-20 字中文），统计延迟分布

实测结果（10 次取统计值）

排名	服务商	模型	最小	平均	中位数	最大	成功率
1	DeepSeek	deepseek-chat	113ms	197ms	188ms	417ms	10/10
2	阿里云百炼	qwen-turbo	395ms	512ms	531ms	651ms	10/10
3	Kimi	moonshot-v1-auto	681ms	867ms	871ms	1076ms	10/10
4	智谱	glm-4-flash	509ms	1058ms	813ms	2214ms	10/10
5	火山引擎	doubao-seed-2-0-mini	773ms	2458ms	1042ms	13310ms	10/10
6	MiniMax	MiniMax-M2.5	2402ms	7827ms	7085ms	17815ms	10/10
—	讯飞	spark-lite	—	—	—	—	鉴权未通过
—	Groq	llama-3.3-70b	—	—	—	—	需海外网络

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	理由
日常使用（首选）	DeepSeek	平均 197ms，最快且稳定
稳定优先	阿里云百炼 qwen-turbo	波动最小（395~651ms），质量好
免费试用	智谱 glm-4-flash	免费额度多，但延迟波动较大
海外用户	Groq	自研 LPU 硬件极快，需海外网络

观察与注意

• DeepSeek 在本次测试中表现最优（平均 197ms），但高峰期（晚 8-11 点）可能升至数秒
• 阿里云百炼 延迟波动最小，是最稳定的选择
• Kimi 表现意外地好（平均 867ms），优于智谱和火山
• 火山引擎 中位数 1042ms 尚可，但有一次异常值 13.3 秒（可能是冷启动）
• MiniMax 延迟过高（平均 7.8 秒），且输出包含推理标签，不推荐用于实时场景
• 所有测试基于非流式调用，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