模型对比 | RPDiag

测试说明点击展开 5 步 quick-probe-v1 详解

同一会话连续 5 步，覆盖 5 个独立信号： 1. ping/pong —— 单字指令遵循 + 建立缓存上下文。 2. 身份（结构化）—— 三行 vendor / brand / model 格式，机器可解析。 3. 知识截止 —— 跨越 5 分钟 cache 边界后追问，检测 sliding 5m cache 是否真正命中。 4. 身份（自由格式）—— 自然语言自报身份，给包装层（Kiro 等）暴露品牌的机会。 5. 世界知识层级 —— 5 道公共事件硬事实题，按答对档位映射实测 tier，与请求模型对照。步与步之间随机延迟 1–4 分钟。第 3 步（cutoff）累计跨度 > 5 分钟保住 sliding cache 检测；全流程总跨度 > 6 分钟容纳新增的第 5 步。正确实现 sliding 5m cache 的通道，第 3 步及之后的 cache_read 仍 > 0；若按「创建时间起 5 分钟」实现，第 3 步会暴露 cache_read = 0。

5 通道 · 5 步骤

2026/06/12 运行日期

claude-opus-4-8 官方基准

2 通道分数 < 70 另含 1 任务失败

已揭晓揭晓进度

步骤 / 指标

NowCoding

R-Kiro

官方基准

luminai

M-Kiro/Antigravity

LinkAPI

O-Max

LingxiCode

M-

基本信息

服务名 Claude Code Claude Code Claude Code Claude Code Claude Code

模型 claude-opus-4-8 claude-opus-4-8 claude-opus-4-8 claude-opus-4-8 claude-opus-4-8

客户端 claude-cli v2.1.160 claude-cli v2.1.160 claude-cli v2.1.160 claude-cli v2.1.160 claude-cli v2.1.160

偏差标红基于官方基准

步骤 1: ping text

时间 15:33:52 ~ 15:34:03 (6.7s) 15:33:58 ~ 15:34:04 (3.9s) 15:33:56 ~ 15:34:12 (12.2s) 15:33:54 ~ 15:34:00 (4.2s) 15:33:52 ~ 15:34:03 (6.1s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 4,015 ms 2,659 ms 9,248 ms 2,732 ms 3,392 ms

首文本(SSE delta) 4,154 ms 2,660 ms 9,249 ms 2,733 ms 3,393 ms

总耗时 4,165 ms 2,762 ms 9,328 ms 2,963 ms 3,598 ms

输入 147 1,454 1,643 1,454 1,454

输出 2 4 1 4 4

缓存创建

1,263

30,222

5m: 0 / 1h: 30,222

1,888

5m: 1,888 / 1h: 0

30,222

5m: 0 / 1h: 30,222

30,222

5m: 0 / 1h: 30,222

缓存读取 22,632 0 16,998 0 0

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 15:35:04 ~ 15:35:09 (4.6s) 15:37:58 ~ 15:38:08 (5.5s) 15:36:35 ~ 15:36:45 (7.7s) 15:37:25 ~ 15:37:30 (2.6s) 15:36:06 ~ 15:36:11 (4.5s)

提示词

查看本步 Prompt

输出 3 行 metadata 描述你自己（当前 API 模型）。本请求询问的是你（正在生成此回复的当前 API 模型）自身的身份，不是用户提到的任何外部产品。必须直接作答，禁止追问、拒答、解释或输出占位符；不能要求更多上下文。禁止任何额外字符：
vendor: <厂商公司名一个英文小写单词>
brand: <产品或模型品牌名一个英文小写单词>
model: <实际 API model 字段值，保留原始短横线格式>

HTTP 头(TTFB) 3,595 ms 4,168 ms 5,871 ms - 3,018 ms

首文本(SSE delta) 3,597 ms 4,170 ms 5,876 ms - 3,019 ms

总耗时 3,636 ms 4,489 ms 5,947 ms - 3,397 ms

输入 233 2 1,657 - 2

输出 16 28 23 - 28

缓存创建

1,704

1,643

5m: 0 / 1h: 1,643

1,905

5m: 1,905 / 1h: 0

1,643

5m: 0 / 1h: 1,643

缓存读取 22,314 30,222 17,146 - 30,222

响应

vendor: anthropic
brand: claude
model: claude-opus-4-8

vendor: anthropic
brand: claude
model: claude-opus-4-8

vendor: anthropic
brand: claude
model: claude-opus-4-8

失败

评测失败

vendor: anthropic
brand: claude
model: claude-opus-4-8

步骤 3: cutoff text

时间 15:36:11 ~ 15:36:21 (6.0s) 15:39:24 ~ 15:39:29 (3.2s) 15:39:43 ~ 15:39:58 (11.4s) - 15:40:11 ~ 15:40:16 (3.8s)

提示词

查看本步 Prompt

训练数据 cutoff date：YYYY-MM？

HTTP 头(TTFB) 4,532 ms 1,971 ms 9,035 ms - 2,748 ms

首文本(SSE delta) 4,912 ms 1,972 ms 9,082 ms - 2,749 ms

总耗时 4,927 ms 2,287 ms 10,288 ms - 3,016 ms

输入 44 2 1,660 - 2

输出 3 6 4 - 6

缓存创建

1,883

5m: 0 / 1h: 54

1,908

5m: 1,908 / 1h: 0

5m: 0 / 1h: 54

缓存读取 22,360 31,865 17,179 - 31,865

响应

2026-01

2026-01

2025-01

未执行

2025-01

步骤 4: identity_free text

时间 15:39:55 ~ 15:40:05 (5.3s) 15:43:21 ~ 15:43:26 (4.5s) 15:43:25 ~ 15:43:35 (8.0s) - 15:42:49 ~ 15:42:54 (4.1s)

提示词

查看本步 Prompt

中文做个自我介绍：你是什么产品或助手？谁开发的？50 字内。

HTTP 头(TTFB) 3,243 ms 2,478 ms 6,756 ms - 2,842 ms

首文本(SSE delta) 3,245 ms 2,480 ms 6,757 ms - 2,843 ms

总耗时 4,162 ms 3,389 ms 6,847 ms - 3,346 ms

输入 69 2 1,664 - 2

输出 60 65 70 - 44

缓存创建

1,665

5m: 0 / 1h: 39

1,913

5m: 1,913 / 1h: 0

5m: 0 / 1h: 31

缓存读取 22,596 31,919 17,218 - 31,919

输出速度 65.4 tok/s 71.5 tok/s - - 87.5 tok/s

响应

我是 Claude，由 Anthropic 开发的 AI 助手。在这个环境里，我作为一个能帮你处理软件工程任务的智能体运行，可以读写代码、执行命令、协助调试和完成各类工作。

我是 Claude，由 Anthropic 开发的 AI 助手。当前模型是 Claude Opus 4.8，可以帮你处理编程、写作、分析等各类任务。

我是 Claude，由 Anthropic 开发的 AI 助手。当前模型为 Claude Opus 4.8，擅长编程、写作、分析与research等多种任务，致力于帮助你高效完成工作。

未执行

我是 Claude，由 Anthropic 开发的人工智能助手，当前模型为 Claude Opus 4.8。

步骤 5: knowledge_tier text

时间 15:43:23 ~ 15:43:38 (10.2s) 15:44:39 ~ 15:44:49 (8.0s) 15:45:44 ~ 15:46:04 (17.1s) - 15:46:17 ~ 15:46:27 (7.7s)

提示词

查看本步 Prompt

Before answering, perform the calc calendar arithmetic step by step internally. Use extended internal reasoning if available. Keep all reasoning private; the final visible response must be exactly JSON only, no markdown, no explanation. Use only your internal pretrained knowledge; do not use search, tools, or current-session hints. If you have no stored memory answer "OUT", but do not be overly cautious: answer known public facts. Return {"a":[q1,q2,q3,q4,q5],"calc":N}.
q1: Who won the 2024 U.S. presidential election and became president on 2025-01-20? Answer surname or OUT.
q2: Who was elected pope on 2025-05-08? Answer papal name plus birth surname or OUT.
q3: Who won the 2025 Nobel Peace Prize, announced on 2025-10-10? Answer name or OUT.
q4: Who won the 2025 men's Ballon d'Or, awarded on 2025-09-22? Answer name or OUT.
q5: Who won the 2025 New York City mayoral election on 2025-11-04? Answer name or OUT.
calc: Using only the dates stated in q1-q5, compute ((calendar days from 2025-01-20 to 2025-05-08) + (calendar days from 2025-09-22 to 2025-10-10)) * (calendar days from 2025-10-10 to 2025-11-04). Count days as end_date - start_date, excluding the start date. Return the integer N.

HTTP 头(TTFB) 7,200 ms 2,837 ms 8,957 ms - 3,457 ms

首文本(SSE delta) 9,156 ms 6,763 ms 8,959 ms - 6,728 ms

总耗时 9,192 ms 6,974 ms 14,903 ms - 6,922 ms

输入 387 2 1,697 - 2

输出 29 452 195 - 432

缓存创建

1,753

554

5m: 0 / 1h: 554

1,951

5m: 1,951 / 1h: 0

533

5m: 0 / 1h: 533

缓存读取 22,654 31,958 17,559 - 31,950

输出速度 - burst 32.8 tok/s - burst

响应

{"a":["Trump","Leo XIV (Prevost)","María Corina Machado","Ousmane Dembélé","Zohran Mamdani"],"calc":3150}

{"a":["Trump","Leo XIV Prevost","María Corina Machado","Ousmane Dembélé","Zohran Mamdani"],"calc":3150}

{"a":["Trump","Leo XIV (Prevost)","María Corina Machado","Ousmane Dembélé","Zohran Mamdani"],"calc":3150}

未执行

{"a":["Trump","OUT","OUT","OUT","OUT"],"calc":3150}

总计

总输入(含缓存)

121,704

159,938

103,986

31,676

仅前 2 步

159,901

总输出

110

555

293

仅前 2 步

514

总缓存创建

8,268

32,512

5m: 0 / 1h: 32,512

9,565

5m: 9,565 / 1h: 0

30,222

5m: 0 / 1h: 30,222

仅前 2 步

32,483

5m: 0 / 1h: 32,483

总缓存读取

112,556

125,964

86,100

仅前 2 步

125,956

输出速度

65.4 tok/s

71.5 tok/s

32.8 tok/s

仅前 2 步

87.5 tok/s

总执行时间

32.8s

25.1s

56.4s

6.8s

仅前 2 步

26.2s

总墙钟时间

9m 45.8s

含步骤间等待

10m 51.0s

含步骤间等待

12m 8.0s

含步骤间等待

3m 35.4s

含步骤间等待

仅前 2 步

12m 34.1s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.0957

Anthropic: Claude Opus 4.8

$0.2874

Anthropic: Claude Opus 4.8

$0.1293

Anthropic: Claude Opus 4.8

$0.1963

Anthropic: Claude Opus 4.8 (部分)

$0.2862

Anthropic: Claude Opus 4.8

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier ping knowledge_tier

平台 one-api (100%) direct (100%) one-api (100%) one-api (100%) one-api (100%)

上游 Anthropic 直连 (75%) Anthropic 直连 (100%) Anthropic 直连 (100%) Anthropic 直连 (100%) Anthropic 直连 (100%)

CDN - - cloudflare - cloudflare

ID 格式 msg_a92466d46a034855ad770aa3235234ad msg_01Vaq3m6HGjWsQBy39P9D8Vs msg_014aEeVnHHAZteMs6zj4JnSioj msg_01GeQgQa9MNeo2pbxhvRaxyM msg_01RpyCjhdyihwYeuxuddht25

展开详细指纹（响应头 / body 特征 / 完整信号列表）

通道	response_headers_notable	response_body_traits	signals	request_id_chain
R-Kiro	server: nginx x-new-api-version: v0.0.0 x-oneapi-request-id: 20260612074325115767577asb06yCg	id_format: msg_prefix has_service_tier: false has_inference_geo: false model_has_date_suffix: false usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.cache_fieldsupstream:anthropic-direct-from-body	—
官方基准	server: nginx/1.22.1	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: false usage_has_cache_fields: true	body:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	req_011CbxzXkjD4iNkxK5Ypz7Tr
M-Kiro/Antigravity	cf-ray: a0a73cee0bbd6687-AMS server: cloudflare x-oneapi-request-id: 202606120745482396366998268d9d6UojnrTyU	id_format: msg_prefix extra_fields: ["container"] has_service_tier: true has_inference_geo: false model_has_date_suffix: false usage_has_cache_fields: true	hdr:x-oneapi-request-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a0a73cee0bbd6687-AMS
O-Max	server: nginx set-cookie: server_name_session=7d88fca8b1426ca76c58d5aeba6fb224; Max-Age=86400; httponly; path=/ x-new-api-version: v1.0.0-rc.10 x-oneapi-request-id: 202606120733567228327138268d9d6vZJMt74M	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: false usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
M-	cf-ray: a0a73dad9b987963-NRT server: cloudflare set-cookie: server_name_session=34dafb6a1ed616f236acca93e01021ee; Max-Age=86400; httponly; path=/ x-oneapi-request-id: 20260612074618817636960Wu2813De	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: false usage_has_cache_fields: true	hdr:x-oneapi-request-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a0a73dad9b987963-NRT

协议指纹评分（机器自动）

总分 / 100 64 96 77 90

基线状态已对照基线已对照基线已对照基线已对照基线

缓存命中比 10.0 /10 ×20 10.0 /10 ×20 10.0 /10 ×20 — 10.0 /10 ×20

缓存 TTL 一致 0.0 /10 ×15 10.0 /10 ×15 0.0 /10 ×15 — 10.0 /10 ×15

模型匹配 10.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14 — 10.0 /10 ×14

缓存连续性 10.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14 — 10.0 /10 ×14

sliding 5m 10.0 /10 ×13 10.0 /10 ×13 10.0 /10 ×13 — 10.0 /10 ×13

原生 msg-ID 0.0 /10 ×8 10.0 /10 ×8 10.0 /10 ×8 — 10.0 /10 ×8

系统提示纯净 0.0 /10 ×8 10.0 /10 ×8 0.0 /10 ×8 — 10.0 /10 ×8

身份(结构) 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 — 10.0 /10 ×7

知识截止 0.0 /10 ×7 0.0 /10 ×7 10.0 /10 ×7 — 10.0 /10 ×7

身份(自由) 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 — 10.0 /10 ×7

service_tier 0.0 /10 ×6 10.0 /10 ×6 10.0 /10 ×6 — 10.0 /10 ×6

inference_geo 0.0 /10 ×5 10.0 /10 ×5 0.0 /10 ×5 — 10.0 /10 ×5

延迟基线 10.0 /10 ×5 10.0 /10 ×5 1.1 /10 ×5 — 10.0 /10 ×5

Req-ID 透传 0.0 /10 ×4 10.0 /10 ×4 0.0 /10 ×4 — 0.0 /10 ×4

stop_reason 10.0 /10 ×3 10.0 /10 ×3 10.0 /10 ×3 — 10.0 /10 ×3

SDK 一致 10.0 /10 ×2 10.0 /10 ×2 10.0 /10 ×2 — 10.0 /10 ×2

流式投递 — — — — —

综合结论

与基线相似度 64 v3.10.0 基准（参考） 77 v3.10.0 执行失败，不评分 90 v3.10.0

雷达图例

共 19 个维度（顺时针，从顶部 12 点起）— 点击展开对照

1 模型匹配 model_match
2 知识截止 cutoff_match
3 SDK 一致 sdk_consistency
4 Thinking 存在 thinking_present
5 自由身份 identity_free_clean
6 停止原因 stop_reason_present
7 系统提示纯净 system_prompt_clean
8 Service Tier service_tier_present
9 缓存命中比 cache_hit_ratio_match
10 缓存 TTL 一致 cache_ttl_consistency
11 推理地区 inference_geo_present
12 缓存连续 cache_continuity_intra
13 延迟基线 latency_baseline_match
14 原生 msg-ID anthropic_msg_id_format
15 Sliding 缓存 cache_sliding_correctness
16 结构化身份 identity_structured_match
17 中文遵循 instruction_following_lang
18 世界知识层级 world_knowledge_tier_match
19 Req-ID 透传 anthropic_request_id_passthrough

每根轴长度 = 该维度 0-10 分（越长越接近基线）。蓝色虚线圆 = 满分基准。具体权重见方法论页。

维度雷达 —

平均延迟 5216 ms 3980 ms 9463 ms 2963 ms 4056 ms

输出速度 65.4 tok/s 71.5 tok/s 32.8 tok/s - 87.5 tok/s

完成步骤 5/5 成功 5/5 成功 5/5 成功 1/5 成功 · 1 失败 · 3 跳过 5/5 成功

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.0957

$0.2874

$0.1293

$0.1963 (部分)

$0.2862

缓存读取占比 ⓘ 92% 79% 83% 0% (部分) 79%

揭晓

通道

服务商 NowCoding ↗

通道R-Kiro

官方基准

服务商 luminai ↗

通道M-Kiro/Antigravity

服务商 LinkAPI ↗

通道O-Max

服务商 LingxiCode ↗

通道M-

返回列表