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

2026/06/10 运行日期

claude-haiku-4-5-20251001 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

官方基准

FoxCode

R-super

FoxCode

R-ultra

DawAPI

SudoCode

M-Max

基本信息

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

模型 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001 claude-haiku-4-5-20251001

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 04:55:00 ~ 04:55:05 (3.1s) 04:54:52 ~ 04:55:02 (8.0s) 04:54:54 ~ 04:54:59 (3.7s) 04:54:58 ~ 04:55:08 (8.1s) 04:54:56 ~ 04:55:01 (4.8s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 1,906 ms 4,287 ms 2,453 ms 5,965 ms 3,250 ms

首文本(SSE delta) 1,908 ms 4,288 ms 2,518 ms 5,966 ms 3,252 ms

总耗时 2,118 ms 6,798 ms 2,813 ms 7,116 ms 3,661 ms

输入 10 33,020 33,020 10 10

输出 36 184 2 56 53

缓存创建

33,122

5m: 0 / 1h: 33,122

5m: 0 / 1h: 0

27,213

5m: 27,213 / 1h: 0

33,122

5m: 0 / 1h: 33,122

缓存读取 0 0 0 0 0

输出速度 171.4 tok/s 73.3 tok/s - 48.7 tok/s 129.6 tok/s

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 04:58:58 ~ 04:59:08 (6.8s) 04:56:57 ~ 04:57:07 (5.8s) 04:58:50 ~ 04:58:55 (4.5s) 04:56:17 ~ 04:56:37 (15.5s) 04:57:15 ~ 04:57:30 (13.5s)

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) 2,818 ms 2,898 ms 2,758 ms 5,784 ms 2,335 ms

首文本(SSE delta) 2,820 ms 2,899 ms 2,759 ms 5,785 ms 2,337 ms

总耗时 5,530 ms 5,088 ms 3,484 ms 14,559 ms 4,048 ms

输入 10 33,735 33,234 10 10

输出 320 304 29 810 183

缓存创建

240

5m: 0 / 1h: 240

5m: 0 / 1h: 0

27,415

5m: 27,415 / 1h: 0

257

5m: 0 / 1h: 257

缓存读取 33,122 0 0 0 33,122

输出速度 118.1 tok/s 138.9 tok/s - 92.3 tok/s 107.0 tok/s

响应

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

vendor: anthropic
brand: claude
model: claude-3-5-sonnet-20241022

vendor: anthropic
brand: claude
model: claude-haiku-4-5-20251001

步骤 3: cutoff text

时间 05:00:40 ~ 05:00:46 (3.5s) 05:00:52 ~ 05:00:57 (4.5s) 05:01:28 ~ 05:01:39 (6.1s) 04:59:30 ~ 04:59:40 (9.6s) 05:01:22 ~ 05:01:37 (13.1s)

提示词

查看本步 Prompt

你掌握的世界知识截止于何时？YYYY-MM 格式作答，不解释。

HTTP 头(TTFB) 1,577 ms 2,473 ms 4,045 ms 7,542 ms 2,780 ms

首文本(SSE delta) 1,578 ms 2,652 ms 4,239 ms 7,543 ms 2,782 ms

总耗时 2,212 ms 3,409 ms 4,946 ms 8,861 ms 3,219 ms

输入 10 34,394 33,284 10 10

输出 67 59 5 120 60

缓存创建

360

5m: 0 / 1h: 360

5m: 0 / 1h: 0

27,477

5m: 27,477 / 1h: 0

212

5m: 0 / 1h: 212

缓存读取 33,362 0 0 0 33,379

输出速度 105.7 tok/s 77.9 tok/s - 91.0 tok/s 137.3 tok/s

响应

2025-02

2025-02

2025-02

2024-04

2025-02

步骤 4: identity_free text

时间 05:02:00 ~ 05:02:05 (4.2s) 05:03:21 ~ 05:03:31 (5.1s) 05:02:44 ~ 05:02:54 (6.7s) 05:00:44 ~ 05:00:54 (7.4s) 05:03:03 ~ 05:03:13 (9.9s)

提示词

查看本步 Prompt

中文回答：你叫什么、属于哪个产品、谁开发？50 字内。

HTTP 头(TTFB) 1,587 ms 2,004 ms 3,526 ms 5,248 ms 2,351 ms

首文本(SSE delta) 1,589 ms 2,005 ms 3,528 ms 5,249 ms 2,352 ms

总耗时 2,745 ms 4,013 ms 4,743 ms 6,629 ms 3,597 ms

输入 10 34,808 33,328 10 10

输出 132 349 77 186 185

缓存创建

107

5m: 0 / 1h: 107

5m: 0 / 1h: 0

27,520

5m: 27,520 / 1h: 0

100

5m: 0 / 1h: 100

缓存读取 33,722 0 0 0 33,591

输出速度 114.2 tok/s 173.8 tok/s 63.4 tok/s 134.8 tok/s 148.6 tok/s

响应

我叫Claude，是由Anthropic公司开发的AI助手。我属于Claude产品线，当前版本为Haiku 4.5。

我是Claude，由Anthropic开发的AI助手。我能帮助编程、分析、写作等软件工程任务。

我是Claude，由Anthropic开发的AI助手。我可以帮助编写代码、分析问题、进行研究和完成各种专业工作。我致力于提供准确、安全和有用的帮助。

我是 Claude，由 Anthropic 公司开发的 AI 助手。我可以帮助用户进行代码编写、文本分析、问题解答、内容创作等多种任务，支持中英文交互。

我是Claude Haiku 4.5，属于Claude AI模型产品系列，由Anthropic公司开发的大型语言模型。

步骤 5: knowledge_tier text

时间 05:05:47 ~ 05:06:17 (27.8s) 05:06:16 ~ 05:06:26 (7.8s) 05:06:30 ~ 05:06:35 (4.1s) 05:04:40 ~ 05:05:05 (24.7s) 05:06:26 ~ 05:06:41 (11.1s)

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) 15,209 ms 2,679 ms 2,202 ms 5,302 ms 2,416 ms

首文本(SSE delta) 15,484 ms 2,697 ms 2,222 ms 5,303 ms 2,417 ms

总耗时 26,776 ms 6,628 ms 3,247 ms 23,536 ms 10,099 ms

输入 10 35,870 33,793 10 10

输出 2,074 722 107 2,554 1,046

缓存创建

512

5m: 0 / 1h: 512

5m: 0 / 1h: 0

442

5m: 442 / 1h: 0

565

5m: 0 / 1h: 565

缓存读取 33,829 0 0 27,520 33,691

输出速度 183.7 tok/s 183.7 tok/s 104.4 tok/s 140.1 tok/s 136.2 tok/s

响应

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

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

```json
{"a":["Trump","OUT","OUT","OUT","OUT"],"calc":"OUT"}
```

My knowledge cutoff is February 2025. Events after that date (papal election in May, Nobel Peace Prize in October, Ballon d'Or in Sept

```json
{"a":["OUT","OUT","OUT","OUT","OUT"],"calc":3150}
```

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

总计

总输入(含缓存) 168,426 171,827 166,659 137,637 168,089

总输出 2,629 1,618 220 3,726 1,527

总缓存创建

34,341

5m: 0 / 1h: 34,341

5m: 0 / 1h: 0

110,067

5m: 110,067 / 1h: 0

34,256

5m: 0 / 1h: 34,256

总缓存读取 134,035 0 0 27,520 133,783

输出速度 164.3 tok/s 142.0 tok/s 82.1 tok/s 120.8 tok/s 133.0 tok/s

总执行时间 45.3s 31.2s 25.1s 1m 5.3s 52.4s

总墙钟时间

11m 16.8s

含步骤间等待

11m 33.8s

含步骤间等待

11m 40.8s

含步骤间等待

10m 6.9s

含步骤间等待

11m 44.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.0695

Anthropic: Claude Haiku 4.5

$0.1799

Anthropic: Claude Haiku 4.5

$0.1678

Anthropic: Claude Haiku 4.5

$0.1074

Anthropic: Claude Haiku 4.5

$0.0639

Anthropic: Claude Haiku 4.5

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%) one-api (100%) one-api (100%) one-api (100%)

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

CDN - cloudflare cloudflare - -

ID 格式 msg_01MvM6UuRbbiDQ7o4RB9UDzw msg_01PgjUMPPOMwsOvzvPzDnaRw msg_017tfAu7miHxNiwj7W05J1Su msg_01DfqgyL9T53HEfCUuZfxWhS msg_01PzMftqm6ptrEGa2t7gebVD

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
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: true usage_has_cache_fields: true	body:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	req_011CbtNDD31pk5xGXFBs3K25
R-super	cf-ray: a093196baa46fd4f-NRT server: cloudflare x-new-api-version: v0.0.0 x-oneapi-request-id: 202606092106181370617438268d9d6TRTNQuUo	id_format: msg_prefix has_service_tier: true has_inference_geo: true model_has_date_suffix: true usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsupstream:anthropic-direct-from-body	a093196baa46fd4f-NRT
R-ultra	cf-ray: a09319c13d9a734e-NRT server: cloudflare x-new-api-version: v0.0.0 x-oneapi-request-id: 202606092106317520015738268d9d673J5MfIt	id_format: msg_prefix has_service_tier: true has_inference_geo: true model_has_date_suffix: true usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsupstream:anthropic-direct-from-body	a09319c13d9a734e-NRT
cc	server: cdn x-new-api-version: v1.0.0-rc.10 x-oneapi-request-id: 202606092104419418256328268d9d6daVpqiLv	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: true usage_has_cache_fields: true	hdr:x-new-api-versionhdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—
M-Max	server: nginx x-oneapi-request-id: 20260610050627920787345HvtKLtuM	id_format: msg_prefix extra_fields: ["stop_details"] has_service_tier: true has_inference_geo: true model_has_date_suffix: true usage_has_cache_fields: true	hdr:x-oneapi-request-idbody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	—

协议指纹评分（机器自动）

总分 / 100 100 66 62 55 98

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

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

sliding 5m 10.0 /10 ×13 5.0 /10 ×13 5.0 /10 ×13 0.0 /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 10.0 /10 ×8

系统提示纯净 10.0 /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 6.7 /10 ×7 10.0 /10 ×7

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

service_tier 10.0 /10 ×6 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 10.0 /10 ×5 10.0 /10 ×5 10.0 /10 ×5

延迟基线 10.0 /10 ×5 10.0 /10 ×5 10.0 /10 ×5 2.0 /10 ×5 10.0 /10 ×5

Req-ID 透传 10.0 /10 ×4 0.0 /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

与基线相似度基准（参考） 66 v3.9.1 62 v3.9.1 55 v3.9.1 98 v3.9.1

雷达图例

共 21 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 自报身份一致 self_identity_consistency
19 中文遵循 instruction_following_lang
20 世界知识层级 world_knowledge_tier_match
21 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 7876 ms 5187 ms 3847 ms 12140 ms 4925 ms

输出速度 164.3 tok/s 142.0 tok/s 82.1 tok/s 120.8 tok/s 133.0 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 ⓘ

$0.0695

$0.1799

$0.1678

$0.1074

$0.0639

缓存读取占比 ⓘ 80% 0% 0% 20% 80%

揭晓

通道

官方基准

服务商 FoxCode ↗

通道R-super

服务商 FoxCode ↗

通道R-ultra

服务商 DawAPI ↗

通道cc

服务商 SudoCode ↗

通道M-Max

返回列表