APINebula（apinebula.ai）共测评 7 个模型，综合均分 66.8，能力 46.7、性能 76.4、一致性 87.8，表现最好的模型是 codex-auto-review。
| 模型 | 综合分 | 能力 | 性能 | 一致性 |
|---|---|---|---|---|
| codex-auto-review | 93.7 | 100.0 | 84.2 | 100.0 |
| gpt-5.6-sol | 81.3 | 77.8 | 75.4 | 100.0 |
| gpt-6-astra | 75.0 | 88.9 | 70.0 | 57.0 |
| gpt-5.5 | 68.3 | 60.0 | 81.9 | 57.6 |
| claude-opus-4-8 | 50.0 | 0.0 | 75.0 | 100.0 |
| claude-sonnet-5 | 49.7 | 0.0 | 74.4 | 100.0 |
| claude-opus-5 | 49.7 | 0.0 | 74.2 | 100.0 |