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

2026/06/15 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

InfAI / R-Kiro
```
评测失败
```

步骤 / 指标

FoxCode

SAIAi

O-Max

luminai

M-Kiro/Antigravity

官方基准

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 03:05:29 ~ 03:05:34 (4.2s) 03:05:23 ~ 03:05:28 (4.1s) 03:05:27 ~ 03:05:37 (6.3s) 03:05:31 ~ 03:05:36 (4.7s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 3,124 ms 2,918 ms 4,683 ms 3,371 ms

首文本(SSE delta) 3,125 ms 2,920 ms 4,685 ms 3,373 ms

总耗时 3,313 ms 3,053 ms 4,734 ms 3,506 ms

输入 3 3 2,309 3

输出 5 5 1 5

缓存创建

32,318

5m: 32,318 / 1h: 0

32,318

5m: 0 / 1h: 32,318

2,654

5m: 2,654 / 1h: 0

5m: 0 / 1h: 0

缓存读取 0 0 23,889 32,318

响应

pong

pong

pong

pong

步骤 2: identity text

时间 03:07:19 ~ 03:07:24 (3.1s) 03:07:13 ~ 03:07:18 (4.2s) 03:08:06 ~ 03:08:16 (6.1s) 03:08:39 ~ 03:08:44 (3.1s)

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。严格按以下 3 行格式输出，全部小写英文，不要任何其他文字、解释、标点：
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) 2,071 ms 2,683 ms 4,647 ms 1,873 ms

首文本(SSE delta) 2,072 ms 2,684 ms 4,648 ms 1,874 ms

总耗时 2,424 ms 3,064 ms 4,884 ms 2,220 ms

输入 3 3 2,323 3

输出 22 22 24 22

缓存创建

191

5m: 191 / 1h: 0

191

5m: 0 / 1h: 191

2,671

5m: 2,671 / 1h: 0

5m: 0 / 1h: 0

缓存读取 32,318 32,318 24,042 32,509

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

步骤 3: cutoff text

时间 03:11:23 ~ 03:11:28 (3.9s) 03:10:49 ~ 03:10:54 (3.5s) 03:09:33 ~ 03:09:43 (6.5s) 03:11:34 ~ 03:11:39 (3.2s)

提示词

查看本步 Prompt

你的 knowledge cutoff 是？请只回 YYYY-MM。

HTTP 头(TTFB) 2,633 ms 2,129 ms 5,184 ms 2,062 ms

首文本(SSE delta) 2,763 ms 2,288 ms 5,277 ms 2,163 ms

总耗时 2,936 ms 2,369 ms 5,322 ms 2,233 ms

输入 3 3 2,327 3

输出 8 8 4 8

缓存创建

5m: 44 / 1h: 0

5m: 0 / 1h: 44

2,675

5m: 2,675 / 1h: 0

5m: 0 / 1h: 44

缓存读取 32,509 32,509 24,076 32,509

响应

2025-08

2025-08

2025-08

2025-08

步骤 4: identity_free text

时间 03:13:49 ~ 03:13:54 (4.1s) 03:11:59 ~ 03:12:04 (4.4s) 03:10:46 ~ 03:10:56 (6.5s) 03:15:27 ~ 03:15:38 (7.5s)

提示词

查看本步 Prompt

请用中文介绍你自己是什么产品或助手，由谁开发，50 字以内。

HTTP 头(TTFB) 2,562 ms 2,350 ms 4,993 ms 5,866 ms

首文本(SSE delta) 2,564 ms 2,352 ms 5,377 ms 5,868 ms

总耗时 3,432 ms 3,460 ms 5,428 ms 6,475 ms

输入 3 3 2,330 3

输出 60 69 32 53

缓存创建

5m: 43 / 1h: 0

5m: 0 / 1h: 43

2,679

5m: 2,679 / 1h: 0

5m: 0 / 1h: 41

缓存读取 32,553 32,553 24,112 32,553

输出速度 69.1 tok/s 62.3 tok/s - 87.3 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，能够帮助完成写作、分析、编程、问答等多种任务。

我是 Claude，由 Anthropic 开发的 AI 助手。我能帮助完成写作、分析、编程、问答等各类任务，致力于做一个安全、有益、诚实的人工智能。

我叫 Claude，是由 Anthropic 开发的 AI 助手，当前版本为 Claude Sonnet 4.6。

我叫 Claude，是由 Anthropic 公司开发的 AI 助手，属于 Claude 产品系列。当前版本为 claude-sonnet-4-6。

步骤 5: knowledge_recall text

时间 03:17:33 ~ 03:17:38 (3.5s) 03:14:32 ~ 03:14:37 (3.8s) 03:12:52 ~ 03:13:02 (5.6s) 03:18:48 ~ 03:18:53 (3.8s)

提示词

查看本步 Prompt

Answer these dated public-knowledge questions using ONLY your own internal pretrained knowledge. Do not search the web, browse, or use any tools, files, code execution, or current-session hints. If you do not know an answer from your own memory, reply exactly "UNKNOWN" for that question — do not guess, but do answer facts you genuinely know. Respond with EXACTLY one JSON object and nothing else (no markdown, no explanation), of the shape {"facts":{"<id>":"<short answer or UNKNOWN>"}}. The "facts" object must contain exactly these keys: "euro2024", "olympics2024_medals", "nobel_peace_2024", "superbowl_lix", "canada_pm_2025_03", "pope_2025_05", "club_world_cup_2025", "us_open_2025_men".
- "euro2024": Which national team won the UEFA Euro 2024 football tournament (final on 2024-07-14)?
- "olympics2024_medals": Which country finished top of the total medal count at the Paris 2024 Summer Olympics (closed 2024-08-11)?
- "nobel_peace_2024": Which organization won the 2024 Nobel Peace Prize (announced 2024-10-11)?
- "superbowl_lix": Which NFL team won Super Bowl LIX (played 2025-02-09)?
- "canada_pm_2025_03": Who became Prime Minister of Canada on 2025-03-14?
- "pope_2025_05": Who was elected pope on 2025-05-08 (papal name)?
- "club_world_cup_2025": Which club won the 2025 FIFA Club World Cup final (played 2025-07-13)?
- "us_open_2025_men": Who won the men's singles title at the 2025 US Open tennis tournament (September 2025)?

HTTP 头(TTFB) 1,633 ms 1,628 ms 3,343 ms 1,763 ms

首文本(SSE delta) 1,635 ms 1,629 ms 4,467 ms 1,765 ms

总耗时 2,646 ms 2,851 ms 4,517 ms 2,723 ms

输入 3 3 568 3

输出 97 97 103 97

缓存创建

7,651

5m: 7,651 / 1h: 0

7,660

5m: 0 / 1h: 7,660

652

5m: 652 / 1h: 0

1,924

5m: 0 / 1h: 1,924

缓存读取 0 0 5,873 5,718

输出速度 95.9 tok/s 79.4 tok/s burst 101.3 tok/s

响应

{"facts":{"euro2024":"Spain","olympics2024_medals":"United States","nobel_peace_2024":"Nihon Hidankyo","superbowl_lix":"Philadelphia Eagles","canada_pm_2025_03":"Mark Carney","pope_2025_05":"Leo XIV",

{"facts":{"euro2024":"Spain","olympics2024_medals":"United States","nobel_peace_2024":"Nihon Hidankyo","superbowl_lix":"Philadelphia Eagles","canada_pm_2025_03":"Mark Carney","pope_2025_05":"Leo XIV",

{"facts":{"euro2024":"Spain","olympics2024_medals":"United States","nobel_peace_2024":"Nihon Hidankyo","superbowl_lix":"Philadelphia Eagles","canada_pm_2025_03":"Mark Carney","pope_2025_05":"Leo XIV",

{"facts":{"euro2024":"Spain","olympics2024_medals":"United States","nobel_peace_2024":"Nihon Hidankyo","superbowl_lix":"Philadelphia Eagles","canada_pm_2025_03":"Mark Carney","pope_2025_05":"Leo XIV",

总计

总输入(含缓存) 137,642 137,651 123,180 137,631

总输出 192 201 164 185

总缓存创建

40,247

5m: 40,247 / 1h: 0

40,256

5m: 0 / 1h: 40,256

11,331

5m: 11,331 / 1h: 0

2,009

5m: 0 / 1h: 2,009

总缓存读取 97,380 97,380 101,992 135,607

输出速度 83.6 tok/s 71.2 tok/s burst 95.8 tok/s

总执行时间 18.9s 20.1s 31.0s 22.3s

总墙钟时间

12m 8.8s

含步骤间等待

9m 13.7s

含步骤间等待

7m 34.8s

含步骤间等待

13m 21.7s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1265

Anthropic: Claude Sonnet 4.6

$0.1832

Anthropic: Claude Sonnet 4.6

$0.0892

Anthropic: Claude Sonnet 4.6

$0.0510

Anthropic: Claude Sonnet 4.6

通道指纹

来源步骤 knowledge_recall knowledge_recall knowledge_recall knowledge_recall

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

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

CDN cloudflare - cloudflare -

ID 格式 msg_01FS2yxJ9umJ9tKHNaSfxyWz msg_01D6yKk2McXx24r73Tb3QJAq msg_01MQF6QKMMnCYy1X4UTjCxrRfV msg_01UhzkGCkJs1cz7Y4tF7bZhD

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	cf-ray: a0bbad0818bfdee3-NRT server: cloudflare set-cookie: _cfuvid=4FMdMkQISn7.q4X6IlrzOS91UgYdFwX901R0ebgy2SA-1781464654.4601133-1.0.1.1-o3KDcdAAZ2LhKz160cczpmrB3kjLhQZyK.blbsdZiC0; 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	hdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	req_011Cc3gz7FdrJSei1qVDdaFY a0bbad0818bfdee3-NRT
O-Max	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_011Cc3gkmXrw2fojnwSUiJkG
M-Kiro/Antigravity	cf-ray: a0bba62e39e3131e-AMS server: cloudflare x-oneapi-request-id: 202606141912542059168008268d9d6J1FKD6qD	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	a0bba62e39e3131e-AMS
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_011Cc3h5eNnR37egWXKKAcnw

协议指纹评分（机器自动）

总分 / 100 91 96 82 100

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 7.3 /10 ×20 7.3 /10 ×20 10.0 /10 ×20 10.0 /10 ×20

缓存 TTL 一致 4.0 /10 ×15 10.0 /10 ×15 4.0 /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 10.0 /10 ×8 10.0 /10 ×8 10.0 /10 ×8 10.0 /10 ×8

系统提示纯净 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

知识截止 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 10.0 /10 ×7

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

inference_geo 10.0 /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 8.3 /10 ×5 10.0 /10 ×5

Req-ID 透传 10.0 /10 ×4 10.0 /10 ×4 0.0 /10 ×4 10.0 /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 91 v3.14.0 96 v3.14.0 82 v3.14.0 基准（参考）

雷达图例

共 18 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 自由身份 identity_free_clean
5 停止原因 stop_reason_present
6 系统提示纯净 system_prompt_clean
7 Service Tier service_tier_present
8 缓存命中比 cache_hit_ratio_match
9 缓存 TTL 一致 cache_ttl_consistency
10 推理地区 inference_geo_present
11 缓存连续 cache_continuity_intra
12 知识召回 knowledge_recall_match
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 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 2950 ms 2959 ms 4977 ms 3431 ms

输出速度 83.6 tok/s 71.2 tok/s burst 95.8 tok/s

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 ⓘ

$0.1265

$0.1832

$0.0892

$0.0510

缓存读取占比 ⓘ 71% 71% 83% 99%

揭晓

通道

服务商 FoxCode ↗

通道cc

服务商 SAIAi ↗

通道O-Max

服务商 luminai ↗

通道M-Kiro/Antigravity

官方基准

返回列表