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。

4 通道 · 5 步骤

2026/06/08 运行日期

claude-sonnet-4-6 官方基准

1 通道分数 < 70 另含 1 任务失败

已揭晓揭晓进度

⚠ 1 通道不可测 · 已从主对比表移除点击展开原因

SudoCode / M-Max
```
评测失败
```

步骤 / 指标

FastCode

SSSAiCode

R-Kiro

官方基准

SSSAiCode

O-Max-L2

基本信息

服务名 Claude Code Claude Code Claude Code Claude Code

模型 claude-sonnet-4-6 claude-sonnet-4-6 claude-sonnet-4-6 claude-sonnet-4-6

客户端 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 04:21:31 ~ 04:21:36 (4.8s) 04:21:25 ~ 04:21:30 (3.9s) 04:21:33 ~ 04:21:38 (4.2s) 04:21:29 ~ 04:21:34 (3.8s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 3,306 ms 2,905 ms 2,970 ms 2,282 ms

首文本(SSE delta) 3,308 ms 3,018 ms 2,972 ms 2,355 ms

总耗时 3,310 ms 3,054 ms 3,202 ms 2,426 ms

输入 3 0 3 3

输出 5 2 5 5

缓存创建

32,318

5m: 0 / 1h: 32,318

32,318

5m: 0 / 1h: 32,318

31,987

5m: 0 / 1h: 31,987

缓存读取 0 0 0 0

响应

pong

pong

pong

pong

步骤 2: identity text

时间 04:23:34 ~ 04:23:44 (6.3s) 04:23:04 ~ 04:23:09 (3.4s) 04:23:10 ~ 04:23:15 (3.3s) 04:25:01 ~ 04:25:06 (3.8s)

提示词

查看本步 Prompt

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。请只输出以下 3 行内容（label 小写，值小写）：
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) 4,190 ms 2,403 ms 1,998 ms 2,503 ms

首文本(SSE delta) 4,191 ms 2,405 ms 2,000 ms 2,764 ms

总耗时 4,887 ms 2,690 ms 2,332 ms 2,830 ms

输入 3 0 3 3

输出 22 18 22 22

缓存创建

178

5m: 0 / 1h: 178

178

5m: 0 / 1h: 178

178

5m: 0 / 1h: 178

缓存读取 32,318 0 32,318 31,987

响应

vendor: anthropic
brand: claude
model: claude-sonnet-4-6

vendor: anthropic
brand: claude
model: claude-sonnet-4-6

vendor: anthropic
brand: claude
model: claude-sonnet-4-6

vendor: anthropic
brand: claude
model: claude-sonnet-4-5

步骤 3: cutoff text

时间 04:25:59 ~ 04:26:15 (10.3s) 04:26:22 ~ 04:26:28 (3.3s) 04:25:04 ~ 04:25:09 (3.1s) 04:27:03 ~ 04:27:08 (3.3s)

提示词

查看本步 Prompt

你的 knowledge cutoff 是？请只回 YYYY-MM。

HTTP 头(TTFB) 2,492 ms 2,262 ms 2,008 ms 2,263 ms

首文本(SSE delta) 2,502 ms 2,490 ms 2,009 ms 2,358 ms

总耗时 8,912 ms 2,632 ms 2,147 ms 2,477 ms

输入 3 0 3 3

输出 8 3 8 8

缓存创建

5m: 0 / 1h: 44

5m: 0 / 1h: 57

缓存读取 32,496 0 32,496 32,165

响应

2025-08

2025-08

2025-08

2025-04

步骤 4: identity_free text

时间 04:29:52 ~ 04:30:02 (6.8s) 04:28:26 ~ 04:28:31 (4.2s) 04:26:43 ~ 04:26:48 (3.8s) 04:28:24 ~ 04:28:29 (3.3s)

提示词

查看本步 Prompt

用中文说说你的身份：什么产品？由谁打造？50 字以内。

HTTP 头(TTFB) 4,894 ms 2,398 ms 1,936 ms 2,236 ms

首文本(SSE delta) 4,895 ms 2,510 ms 1,938 ms 2,402 ms

总耗时 5,589 ms 3,484 ms 2,805 ms 2,544 ms

输入 3 0 3 3

输出 44 36 66 26

缓存创建

5m: 0 / 1h: 39

5m: 0 / 1h: 43

5m: 0 / 1h: 41

缓存读取 32,540 0 32,540 32,222

输出速度 63.4 tok/s 37.0 tok/s 76.1 tok/s -

响应

我是 Claude，由 Anthropic 打造的 AI 助手。当前运行的模型版本为 claude-sonnet-4-6。

我是 Kiro，一个由 Anthropic 开发的 AI 驱动的开发环境助手，基于 Claude 模型构建，帮助开发者更高效地完成软件工程任务。

我是 Claude，由 Anthropic 开发的 AI 助手。我能帮助完成写作、分析、编程、问答等多种任务，致力于提供安全、有用的智能对话服务。

我叫 Claude，是由 Anthropic 开发的 AI 助手。

步骤 5: knowledge_tier text

时间 04:31:43 ~ 04:31:58 (14.8s) 04:31:28 ~ 04:31:38 (7.1s) 04:29:25 ~ 04:29:40 (10.9s) 04:30:43 ~ 04:30:53 (8.1s)

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) 3,798 ms 1,735 ms 1,930 ms 2,096 ms

首文本(SSE delta) 4,197 ms 1,793 ms 2,156 ms 7,252 ms

总耗时 13,550 ms 2,260 ms 9,855 ms 7,400 ms

输入 3 0 3 3

输出 647 27 537 294

缓存创建

417

5m: 0 / 1h: 417

439

5m: 0 / 1h: 439

399

5m: 0 / 1h: 399

缓存读取 32,579 0 32,583 32,263

输出速度 69.2 tok/s - 69.7 tok/s burst

响应

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

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

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

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

总计

总输入(含缓存) 162,944 0 162,974 161,314

总输出 726 86 638 355

总缓存创建

32,996

5m: 0 / 1h: 32,996

33,022

5m: 0 / 1h: 33,022

32,662

5m: 0 / 1h: 32,662

总缓存读取 129,933 0 129,937 128,637

输出速度 68.8 tok/s 37.0 tok/s 70.4 tok/s burst

总执行时间 43.0s 21.9s 25.3s 22.2s

总墙钟时间

10m 26.8s

含步骤间等待

10m 12.8s

含步骤间等待

8m 6.8s

含步骤间等待

9m 23.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1736

Anthropic: Claude Sonnet 4.6

>=$0.0013

Anthropic: Claude Sonnet 4.6 (成本不完整)

$0.1724

Anthropic: Claude Sonnet 4.6

$0.1664

Anthropic: Claude Sonnet 4.6

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier knowledge_tier

平台 direct (100%) direct (75%) direct (100%) direct (100%)

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

CDN - - - -

ID 格式 msg_013iyfAV4jLiPUsrqiE6Kwyo msg_e9ab98e2fe6a4ed68c5b9f1efbb59f04 msg_01XxpMAHYT42eAMan2aQLytj msg_015Cn7amaboNmMPCU69ahJmv

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
cc	server: nginx	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	—
R-Kiro	server: Photon-Edge x-amzn-requestid: 7dc54575-e3c5-4b09-a832-2325a87f9d46	id_format: msg_prefix has_service_tier: false has_inference_geo: false model_has_date_suffix: false usage_has_cache_fields: true	body:id:msg_prefixbody:usage.cache_fieldsupstream:x-amzn-requestidupstream:anthropic-direct-from-body	1780864293407-6rb62tbn02oi7 7dc54575-e3c5-4b09-a832-2325a87f9d46
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_011CbpXobFyHn1r3a1h3ajSR
O-Max-L2	cf-ray: a0826a9a08960c45-LAX server: Photon-Edge set-cookie: _cfuvid=g0D24UbeEVccZvQjRqMgUHSzk36ImX8ofCKaetINapg-1780864244.8090825-1.0.1.1-RFaO00aTI.ok.D9atkdhoj2b.PyX0Y6QonsJOLdwuMU; HttpOnly; SameSite=None; Secure; Path=/; Domain=api.anthropic.com	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	1780864244753-dzu6ic614e3jc req_011CbpXuL4LSjGaqb8msLhNZ a0826a9a08960c45-LAX

协议指纹评分（机器自动）

总分 / 100 97 39 100 88

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 0.0 /10 ×20 10.0 /10 ×20 10.0 /10 ×20

缓存 TTL 一致 10.0 /10 ×15 0.0 /10 ×15 10.0 /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 5.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14

sliding 5m 10.0 /10 ×13 5.0 /10 ×13 10.0 /10 ×13 10.0 /10 ×13

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

系统提示纯净 10.0 /10 ×8 未计入 10.0 /10 ×8 5.0 /10 ×8

身份(结构) 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 6.7 /10 ×7

知识截止 10.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7 5.0 /10 ×7

身份(自由) 10.0 /10 ×7 0.0 /10 ×7 10.0 /10 ×7 10.0 /10 ×7

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

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

延迟基线 7.7 /10 ×5 10.0 /10 ×5 10.0 /10 ×5 10.0 /10 ×5

Req-ID 透传 0.0 /10 ×4 0.0 /10 ×4 10.0 /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 97 v3.9.1 39 v3.9.1 基准（参考） 88 v3.9.1

雷达图例

共 20 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 Thinking 体量 thinking_volume_match
13 缓存连续 cache_continuity_intra
14 延迟基线 latency_baseline_match
15 原生 msg-ID anthropic_msg_id_format
16 Sliding 缓存 cache_sliding_correctness
17 结构化身份 identity_structured_match
18 中文遵循 instruction_following_lang
19 世界知识层级 world_knowledge_tier_match
20 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 7250 ms 2824 ms 4068 ms 3535 ms

输出速度 68.8 tok/s 37.0 tok/s 70.4 tok/s burst

完成步骤 5/5 成功 5/5 成功 5/5 成功 5/5 成功

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1736

>=$0.0013 (成本不完整)

$0.1724

$0.1664

缓存读取占比 ⓘ 80% - 80% 80%

揭晓

通道

服务商 FastCode ↗

通道cc

服务商 SSSAiCode ↗

通道R-Kiro

官方基准

服务商 SSSAiCode ↗

通道O-Max-L2

返回列表