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

2026/06/04 运行日期

claude-sonnet-4-6 官方基准

2 通道分数 < 70 与基线相似度

已揭晓揭晓进度

步骤 / 指标

ClaudeCN

O-Max

官方基准

Xnark

M-Max/Azure

SSSAiCode

R-Kiro

SSSAiCode

O-Max

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 18:50:33 ~ 18:50:43 (5.5s) 18:50:39 ~ 18:50:44 (3.5s) 18:50:37 ~ 18:50:42 (4.7s) 18:50:35 ~ 18:50:45 (5.8s) 18:50:31 ~ 18:50:36 (3.8s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 3,784 ms 2,407 ms 3,631 ms 3,509 ms 2,212 ms

首文本(SSE delta) 3,790 ms 2,409 ms 3,632 ms 3,752 ms 2,422 ms

总耗时 3,982 ms 2,510 ms 3,637 ms 3,753 ms 2,501 ms

输入 3 3 5 0 3

输出 5 5 2 2 5

缓存创建

32,320

5m: 0 / 1h: 32,320

32,318

5m: 0 / 1h: 32,318

12,731

5m: 12,731 / 1h: 0

32,039

5m: 0 / 1h: 32,039

缓存读取 0 0 23,542 0 0

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 18:54:24 ~ 18:54:34 (6.3s) 18:54:21 ~ 18:54:26 (3.1s) 18:51:44 ~ 18:51:54 (5.7s) 18:54:08 ~ 18:54:13 (4.4s) 18:54:04 ~ 18:54:14 (5.3s)

提示词

查看本步 Prompt

以下是对你自身的 metadata 探针。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。按以下 3 行回答自己的身份，每行一个 label，不要寒暄不要解释：
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) 3,418 ms 1,835 ms 4,146 ms 2,818 ms 2,038 ms

首文本(SSE delta) 3,913 ms 1,837 ms 4,149 ms 2,819 ms 2,316 ms

总耗时 3,914 ms 2,134 ms 4,368 ms 3,265 ms 2,968 ms

输入 3 3 3 0 3

输出 22 22 16 17 22

缓存创建

202

5m: 0 / 1h: 202

202

5m: 0 / 1h: 202

12,300

5m: 12,300 / 1h: 0

202

5m: 0 / 1h: 202

缓存读取 32,320 32,318 24,171 0 32,039

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-4-5

步骤 3: cutoff text

时间 18:56:38 ~ 18:56:48 (6.7s) 18:57:13 ~ 18:57:18 (3.3s) 18:54:06 ~ 18:54:11 (4.2s) 18:56:35 ~ 18:56:40 (4.6s) 18:56:06 ~ 18:56:11 (3.4s)

提示词

查看本步 Prompt

训练数据 cutoff date：YYYY-MM？

HTTP 头(TTFB) 4,892 ms 2,068 ms 3,306 ms 2,637 ms 1,799 ms

首文本(SSE delta) 4,895 ms 2,070 ms 3,307 ms 2,882 ms 1,931 ms

总耗时 5,489 ms 2,230 ms 3,315 ms 3,536 ms 2,003 ms

输入 3 3 4 0 3

输出 8 8 3 3 8

缓存创建

5m: 0 / 1h: 40

5m: 0 / 1h: 58

11,742

5m: 11,742 / 1h: 0

5m: 0 / 1h: 55

缓存读取 32,522 32,520 24,791 0 32,241

响应

2025-08

2025-08

2025-08

2025-08

2025-04

步骤 4: identity_free text

时间 18:57:58 ~ 18:58:08 (6.6s) 19:00:06 ~ 19:00:11 (4.2s) 18:57:24 ~ 18:57:29 (4.7s) 18:58:14 ~ 18:58:19 (4.7s) 18:59:00 ~ 18:59:10 (5.5s)

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) 4,159 ms 2,408 ms 3,043 ms 2,527 ms 2,167 ms

首文本(SSE delta) 4,160 ms 2,410 ms 3,045 ms 2,760 ms 2,926 ms

总耗时 5,173 ms 3,145 ms 3,779 ms 3,700 ms 3,690 ms

输入 3 3 1 0 3

输出 66 57 35 27 62

缓存创建

5m: 0 / 1h: 43

13,791

5m: 13,791 / 1h: 0

5m: 0 / 1h: 43

缓存读取 32,562 32,578 22,800 0 32,296

输出速度 65.2 tok/s 77.6 tok/s 47.7 tok/s - 81.2 tok/s

响应

我是 Claude，由 Anthropic 开发的 AI 助手。我被设计用于对话、分析、编程、写作等多种任务，致力于提供安全、有益、诚实的帮助。

我是 Claude，由 Anthropic 开发的 AI 助手。我能帮助编程、写作、分析和回答问题，致力于提供安全、有用的服务。

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

我是 Kiro，一个由 Anthropic 技术驱动的 AI 开发环境助手，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、有益的服务。

步骤 5: knowledge_tier text

时间 18:59:39 ~ 18:59:54 (11.0s) 19:01:18 ~ 19:01:33 (11.5s) 19:01:00 ~ 19:01:10 (9.8s) 19:00:04 ~ 19:00:14 (9.1s) 19:00:43 ~ 19:00:58 (10.1s)

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) 3,423 ms 4,064 ms 8,479 ms 2,703 ms 2,567 ms

首文本(SSE delta) 3,769 ms 4,402 ms 8,480 ms 2,771 ms 7,974 ms

总耗时 10,080 ms 10,536 ms 8,810 ms 3,327 ms 8,043 ms

输入 3 3 3 0 3

输出 517 495 354 27 381

缓存创建

439

5m: 0 / 1h: 439

430

5m: 0 / 1h: 430

12,124

5m: 12,124 / 1h: 0

435

5m: 0 / 1h: 435

缓存读取 32,605 32,621 24,879 0 32,339

输出速度 81.9 tok/s 80.7 tok/s - - burst

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"],"calc":3150}

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

总计

总输入(含缓存) 163,068 163,103 182,887 0 161,704

总输出 618 587 410 76 478

总缓存创建

33,044

5m: 0 / 1h: 33,044

33,051

5m: 0 / 1h: 33,051

62,688

5m: 62,688 / 1h: 0

32,774

5m: 0 / 1h: 32,774

总缓存读取 130,009 130,037 120,183 0 128,915

输出速度 79.6 tok/s 80.4 tok/s 47.7 tok/s - 81.2 tok/s

总执行时间 36.1s 25.5s 29.0s 28.4s 28.1s

总墙钟时间

9m 20.8s

含步骤间等待

10m 53.9s

含步骤间等待

10m 32.6s

含步骤间等待

9m 38.8s

含步骤间等待

10m 26.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.1722

Anthropic: Claude Sonnet 4.6

$0.1718

Anthropic: Claude Sonnet 4.6

$0.1892

Anthropic: Claude Sonnet 4.6

>=$0.0011

Anthropic: Claude Sonnet 4.6 (成本不完整)

$0.1688

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

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

CDN cloudflare - - cloudflare -

ID 格式 msg_01LQtJvVjYK7KErpWJ4p4Grc msg_0181KBGifBtmB7q9T6kvgW3g msg_9b21c1d9b0474686be64d75ac6135906 msg_8ea219fba02f4987b169ef07adc1fbcd msg_01FjMxZuv8MWLw8phbRRvqkh

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
O-Max	cf-ray: a0666df309415a40-AMS server: cloudflare x-oneapi-request-id: 202606041859419026334861oLfMuS5	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	a0666df309415a40-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_011Cbi74J5b88XsCi8KNkyLz
M-Max/Azure	server: nginx/1.24.0 (Ubuntu)	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:anthropic-direct-from-body	da39c2f9-6e18-46cd-a5a5-75958bdbf83b
R-Kiro	cf-ray: a0666eaceb7d2271-SJC server: cloudflare x-amzn-requestid: 928355ac-fa71-4daa-adae-ac998eef19ba	id_format: msg_prefix has_service_tier: false has_inference_geo: false model_has_date_suffix: false usage_has_cache_fields: true	hdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.cache_fieldsupstream:x-amzn-requestidupstream:anthropic-direct-from-body	1780570810879-48bay0indduy7 928355ac-fa71-4daa-adae-ac998eef19ba a0666eaceb7d2271-SJC
O-Max	cf-ray: a0666f8ddae2dbcc-LAX server: BunnyCDN-LA1-899	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	1780570846306-napxtil33vfx5 req_011Cbi71fmjB3TnZxyoVrPm4 a0666f8ddae2dbcc-LAX

协议指纹评分（机器自动）

总分 / 100 98 100 68 39 87

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 0.0 /10 ×20 10.0 /10 ×20

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

缓存连续性 10.0 /10 ×14 10.0 /10 ×14 10.0 /10 ×14 5.0 /10 ×14 10.0 /10 ×14

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

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

系统提示纯净 10.0 /10 ×8 10.0 /10 ×8 0.0 /10 ×8 未计入 10.0 /10 ×8

身份(结构) 10.0 /10 ×7 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 10.0 /10 ×7 5.0 /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 10.0 /10 ×6 0.0 /10 ×6 0.0 /10 ×6 10.0 /10 ×6

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

延迟基线 10.0 /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 10.0 /10 ×4 0.0 /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 98 v3.9.1 基准（参考） 68 v3.9.1 39 v3.9.1 87 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 5728 ms 4111 ms 4782 ms 3516 ms 3841 ms

输出速度 79.6 tok/s 80.4 tok/s 47.7 tok/s - 81.2 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 ⓘ

$0.1722

$0.1718

$0.1892

>=$0.0011 (成本不完整)

$0.1688

缓存读取占比 ⓘ 80% 80% 66% - 80%

揭晓

通道

服务商 ClaudeCN ↗

通道O-Max

官方基准

服务商 Xnark ↗

通道M-Max/Azure

服务商 SSSAiCode ↗

通道R-Kiro

服务商 SSSAiCode ↗

通道O-Max

返回列表