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

2026/06/11 运行日期

claude-sonnet-4-6 官方基准

3 通道分数 < 70 与基线相似度

已揭晓揭晓进度

步骤 / 指标

ClaudeZZ

R-kiro

SudoCode

M-Max

官方基准

WorldBase.ai

M-

FastCode

基本信息

服务名 Claude Code 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 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 claude-cli v2.1.160

偏差标红基于官方基准

步骤 1: ping text

时间 09:13:10 ~ 09:13:20 (9.2s) 09:13:14 ~ 09:13:24 (6.0s) 09:13:16 ~ 09:13:21 (4.0s) 09:13:12 ~ 09:13:22 (5.1s) 09:13:08 ~ 09:13:18 (5.4s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 7,320 ms 4,032 ms 2,382 ms 3,316 ms 3,962 ms

首文本(SSE delta) 7,392 ms 4,035 ms 2,384 ms 3,317 ms 3,963 ms

总耗时 8,228 ms 4,146 ms 2,755 ms 3,326 ms 4,041 ms

输入 3 3 3 0 3

输出 5 5 5 1 5

缓存创建

21,983

5m: 0 / 1h: 21,983

32,318

5m: 0 / 1h: 32,318

32,318

5m: 0 / 1h: 32,318

35,315

5m: 0 / 1h: 35,315

32,318

5m: 0 / 1h: 32,318

缓存读取 0 0 0 0 0

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 09:14:42 ~ 09:14:52 (5.8s) 09:16:55 ~ 09:17:05 (5.3s) 09:17:03 ~ 09:17:08 (4.4s) 09:15:15 ~ 09:15:25 (5.1s) 09:14:52 ~ 09:15:02 (6.3s)

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) 4,336 ms 4,180 ms 3,067 ms 3,261 ms 3,715 ms

首文本(SSE delta) 4,339 ms 4,182 ms 3,069 ms 3,262 ms 3,717 ms

总耗时 4,692 ms 4,286 ms 3,365 ms 3,789 ms 4,765 ms

输入 3 3 3 211 3

输出 22 22 22 21 22

缓存创建

196

5m: 0 / 1h: 196

189

5m: 0 / 1h: 189

189

5m: 0 / 1h: 189

5m: 0 / 1h: 1

189

5m: 0 / 1h: 189

缓存读取 21,983 32,318 32,318 35,293 32,318

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-4-6

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

步骤 3: cutoff text

时间 09:16:30 ~ 09:16:41 (5.5s) 09:18:55 ~ 09:19:05 (6.1s) 09:18:33 ~ 09:18:43 (6.9s) 09:16:41 ~ 09:16:52 (5.5s) 09:17:53 ~ 09:17:58 (4.7s)

提示词

查看本步 Prompt

请用 YYYY-MM 格式告诉我你的训练数据截止日期，无需多余文字。

HTTP 头(TTFB) 4,518 ms 5,037 ms 5,495 ms 4,042 ms 3,096 ms

首文本(SSE delta) 4,520 ms 5,038 ms 5,584 ms 4,043 ms 3,101 ms

总耗时 4,813 ms 5,140 ms 5,772 ms 4,420 ms 3,512 ms

输入 3 3 3 14 3

输出 8 8 8 4 8

缓存创建

5m: 0 / 1h: 82

5m: 0 / 1h: 44

5m: 0 / 1h: 42

235

5m: 0 / 1h: 235

5m: 0 / 1h: 45

缓存读取 22,179 32,507 32,507 35,289 32,507

响应

2025-08

2025-08

2025-08

2025-08

2025-08

步骤 4: identity_free text

时间 09:19:25 ~ 09:19:35 (5.7s) 09:20:55 ~ 09:21:05 (4.9s) 09:20:58 ~ 09:21:03 (4.3s) 09:20:48 ~ 09:20:58 (6.4s) 09:21:32 ~ 09:21:42 (5.4s)

提示词

查看本步 Prompt

用中文回答：你是谁？由谁开发？50 字以内。

HTTP 头(TTFB) 3,862 ms 3,802 ms 2,524 ms 2,970 ms 3,338 ms

首文本(SSE delta) 3,864 ms 3,803 ms 2,526 ms 2,972 ms 3,339 ms

总耗时 4,922 ms 3,910 ms 3,158 ms 4,037 ms 4,065 ms

输入 3 3 3 30 3

输出 55 54 44 56 60

缓存创建

5m: 0 / 1h: 45

5m: 0 / 1h: 41

5m: 0 / 1h: 35

5m: 0 / 1h: 17

5m: 0 / 1h: 35

缓存读取 22,261 32,551 32,549 35,518 32,552

输出速度 52.0 tok/s - 69.6 tok/s 52.6 tok/s 82.6 tok/s

响应

我是 Claude，由 Anthropic 开发的 AI 助手。我基于大型语言模型构建，旨在提供安全、有益的对话和任务协助。

我是 Claude，由 Anthropic 开发的 AI 助手，当前运行的模型版本是 claude-sonnet-4-6，属于 Claude 产品系列。

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

我是 Kiro，一个由 Anthropic 构建的 AI 开发环境助手，基于 Claude 模型。我帮助开发者完成编程任务，包括编写代码、调试和系统设计。

我是 Claude，由 Anthropic 开发的 AI 助手。当前版本为 claude-sonnet-4-6，致力于提供安全、有帮助的对话与任务协助。

步骤 5: knowledge_tier text

时间 09:22:24 ~ 09:22:44 (16.8s) 09:22:15 ~ 09:22:30 (10.8s) 09:24:06 ~ 09:24:21 (11.5s) 09:23:20 ~ 09:23:40 (16.3s) 09:23:18 ~ 09:23:33 (11.2s)

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) 6,657 ms 7,894 ms 2,688 ms 2,937 ms 3,643 ms

首文本(SSE delta) 6,659 ms 7,896 ms 3,001 ms 2,939 ms 3,644 ms

总耗时 15,606 ms 9,640 ms 10,483 ms 9,714 ms 9,744 ms

输入 3 3 3 28 3

输出 585 540 468 21 523

缓存创建

485

5m: 0 / 1h: 485

427

5m: 0 / 1h: 427

417

5m: 0 / 1h: 417

603

5m: 0 / 1h: 603

433

5m: 0 / 1h: 433

缓存读取 22,306 32,592 32,584 35,543 32,587

输出速度 65.4 tok/s burst 62.6 tok/s - 85.7 tok/s

响应

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

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

{"a":["Trump","Leo XIV Prevost","OUT","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) 111,535 163,002 162,974 178,097 162,999

总输出 675 629 547 103 618

总缓存创建

22,791

5m: 0 / 1h: 22,791

33,019

5m: 0 / 1h: 33,019

33,001

5m: 0 / 1h: 33,001

36,171

5m: 0 / 1h: 36,171

33,020

5m: 0 / 1h: 33,020

总缓存读取 88,729 129,968 129,958 141,643 129,964

输出速度 64.0 tok/s burst 63.1 tok/s 52.6 tok/s 85.4 tok/s

总执行时间 43.0s 33.2s 30.9s 38.4s 32.9s

总墙钟时间

9m 33.9s

含步骤间等待

9m 15.9s

含步骤间等待

11m 4.8s

含步骤间等待

10m 27.9s

含步骤间等待

10m 24.9s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1223

Anthropic: Claude Sonnet 4.6

$0.1723

Anthropic: Claude Sonnet 4.6

$0.1710

Anthropic: Claude Sonnet 4.6

$0.1805

Anthropic: Claude Sonnet 4.6

$0.1721

Anthropic: Claude Sonnet 4.6

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier knowledge_tier knowledge_tier

平台 direct (100%) one-api (100%) direct (100%) direct (100%) direct (75%)

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

CDN - - - cloudflare -

ID 格式 msg_01Fp5heqrhLHo5ve4irtds14 msg_bdrk_014JZc15mzT8YRYxyY2gtNkW msg_017x51SGXsM9vCzyakLFsXYh msg_01Eo2Xsq5gXFYtnij8kxd7CK msg_bdrk_014ViXD93kVbGu2VX5Q6W3x1

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	via: 1.1 google cf-ray: 0f4bbce56370af275a2e935ff610058b-IAD server: nginx	id_format: msg_prefix via_chain: ["1.1 google"] extra_fields: ["diagnostics","stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: false usage_has_cache_fields: true	hdr:viabody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	req_0f4bbce56370af275a2e935ff610058b 0f4bbce56370af275a2e935ff610058b-IAD
M-Max	server: nginx x-oneapi-request-id: 2026061109221790976281aQm8FQD2	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: false has_inference_geo: false model_has_date_suffix: false usage_has_cache_fields: true	hdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.cache_fieldsbody:extra_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_011Cbvbhha3sk7kMuD9cnqzP
M-	cf-ray: a09ccf7e8dc43581-AMS server: cloudflare	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:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	09e69bc0-402b-4479-aa35-c3d24a9b0758 a09ccf7e8dc43581-AMS
cc	server: nginx	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: false has_inference_geo: false model_has_date_suffix: false usage_has_cache_fields: true	body:id:msg_prefixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—

协议指纹评分（机器自动）

总分 / 100 93 82 100 82 82

基线状态已对照基线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 10.0 /10 ×20

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

sliding 5m 10.0 /10 ×13 10.0 /10 ×13 10.0 /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 0.0 /10 ×8

系统提示纯净 0.0 /10 ×8 10.0 /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 10.0 /10 ×7

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

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

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

延迟基线 9.9 /10 ×5 10.0 /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 0.0 /10 ×4

stop_reason 10.0 /10 ×3 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 10.0 /10 ×2

流式投递 — — — — —

综合结论

与基线相似度 93 v3.9.1 82 v3.9.1 基准（参考） 82 v3.9.1 82 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 7652 ms 5424 ms 5107 ms 5057 ms 5225 ms

输出速度 64.0 tok/s burst 63.1 tok/s 52.6 tok/s 85.4 tok/s

完成步骤 5/5 成功 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 ⓘ

$0.1223

$0.1723

$0.1710

$0.1805

$0.1721

缓存读取占比 ⓘ 80% 80% 80% 80% 80%

揭晓

通道

服务商 ClaudeZZ ↗

通道R-kiro

服务商 SudoCode ↗

通道M-Max

官方基准

服务商 WorldBase.ai ↗

通道M-

服务商 FastCode ↗

通道cc

返回列表