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

2026/06/13 运行日期

claude-haiku-4-5-20251001 官方基准

1 通道分数 < 70 与基线相似度

已揭晓揭晓进度

步骤 / 指标

FoxCode

LingxiCode

M-

FoxCode

R-ultra

InfAI

R-Kiro

官方基准

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 11:31:59 ~ 11:32:04 (4.2s) 11:31:57 ~ 11:32:02 (4.8s) 11:31:55 ~ 11:32:00 (4.4s) 11:32:01 ~ 11:32:11 (8.3s) 11:32:03 ~ 11:32:08 (3.7s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 2,898 ms 3,185 ms 2,705 ms 5,437 ms 2,344 ms

首文本(SSE delta) 2,899 ms 3,186 ms 2,706 ms 5,438 ms 2,346 ms

总耗时 3,329 ms 3,595 ms 3,547 ms 6,697 ms 2,679 ms

输入 10 10 33,022 10 10

输出 42 48 43 42 47

缓存创建

33,122

5m: 33,122 / 1h: 0

33,122

5m: 0 / 1h: 33,122

5m: 0 / 1h: 0

33,122

5m: 0 / 1h: 33,122

33,122

5m: 0 / 1h: 33,122

缓存读取 0 0 0 0 0

输出速度 97.7 tok/s 117.4 tok/s 51.1 tok/s 33.4 tok/s 141.1 tok/s

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 11:35:10 ~ 11:35:15 (4.6s) 11:34:22 ~ 11:34:32 (5.6s) 11:34:19 ~ 11:34:39 (16.7s) 11:35:08 ~ 11:35:18 (8.3s) 11:34:40 ~ 11:34:50 (5.6s)

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) 1,968 ms 3,010 ms 9,381 ms 3,964 ms 2,285 ms

首文本(SSE delta) 1,969 ms 3,011 ms 9,382 ms 3,965 ms 2,286 ms

总耗时 3,809 ms 4,652 ms 15,477 ms 6,886 ms 4,513 ms

输入 10 10 33,591 10 10

输出 198 250 328 201 209

缓存创建

202

5m: 202 / 1h: 0

252

5m: 0 / 1h: 252

5m: 0 / 1h: 0

246

5m: 0 / 1h: 246

251

5m: 0 / 1h: 251

缓存读取 33,122 33,122 0 33,122 33,122

输出速度 107.6 tok/s 152.3 tok/s 53.8 tok/s 68.8 tok/s 93.8 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-haiku-4-5-20251001

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

步骤 3: cutoff text

时间 11:39:08 ~ 11:39:13 (3.9s) 11:36:19 ~ 11:36:24 (4.1s) 11:36:55 ~ 11:37:00 (3.9s) 11:38:06 ~ 11:38:16 (6.0s) 11:38:16 ~ 11:38:21 (3.2s)

提示词

查看本步 Prompt

What's your training data cutoff (YYYY-MM only, no prose)?

HTTP 头(TTFB) 2,404 ms 2,864 ms 2,120 ms 2,299 ms 1,430 ms

首文本(SSE delta) 2,405 ms 2,865 ms 2,121 ms 2,301 ms 1,431 ms

总耗时 3,086 ms 3,352 ms 2,947 ms 3,538 ms 2,074 ms

输入 10 10 34,286 10 10

输出 71 65 62 106 81

缓存创建

5m: 46 / 1h: 0

279

5m: 0 / 1h: 279

5m: 0 / 1h: 0

244

5m: 0 / 1h: 244

252

5m: 0 / 1h: 252

缓存读取 33,324 33,374 0 33,368 33,373

输出速度 104.3 tok/s 133.5 tok/s 75.1 tok/s 85.7 tok/s 126.0 tok/s

响应

2025-02

2025-02

2025-02

2025-02

2025-02

步骤 4: identity_free text

时间 11:40:19 ~ 11:40:24 (4.5s) 11:38:08 ~ 11:38:28 (16.0s) 11:38:18 ~ 11:38:28 (7.2s) 11:39:56 ~ 11:40:26 (25.0s) 11:41:19 ~ 11:41:24 (3.5s)

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) 2,374 ms 2,759 ms 3,049 ms 3,216 ms 1,308 ms

首文本(SSE delta) 2,375 ms 2,760 ms 3,051 ms 3,217 ms 1,309 ms

总耗时 3,536 ms 15,248 ms 6,286 ms 23,582 ms 2,502 ms

输入 10 10 34,689 10 10

输出 168 2,374 640 3,694 195

缓存创建

5m: 35 / 1h: 0

105

5m: 0 / 1h: 105

5m: 0 / 1h: 0

144

5m: 0 / 1h: 144

121

5m: 0 / 1h: 121

缓存读取 33,370 33,653 0 33,612 33,625

输出速度 144.7 tok/s 190.1 tok/s 197.8 tok/s 181.4 tok/s 163.5 tok/s

响应

我是Claude，由Anthropic公司开发的AI助手。我可以进行对话、回答问题、帮助编程和分析。

我是Claude，由Anthropic开发的AI助手，属于Claude产品，可进行对话、编程和分析等任务。

我是Claude Haiku 4.5，Anthropic开发的AI助手。可帮助完成软件工程、写作、分析等任务。

我是 Anthropic 的 Claude Haiku 4.5，Claude 系列中的轻量级 AI 助手。

我是 Claude Haiku 4.5，属于 Claude AI 助手系列产品，由 Anthropic 公司开发。

步骤 5: knowledge_tier text

时间 11:41:57 ~ 11:42:12 (11.6s) 11:40:29 ~ 11:40:49 (16.5s) 11:41:32 ~ 11:41:42 (7.2s) 11:42:56 ~ 11:43:16 (17.8s) 11:44:17 ~ 11:44:32 (12.8s)

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) 2,152 ms 2,869 ms 2,124 ms 2,445 ms 1,726 ms

首文本(SSE delta) 2,153 ms 2,870 ms 2,125 ms 2,492 ms 1,728 ms

总耗时 10,740 ms 15,370 ms 6,240 ms 16,489 ms 11,856 ms

输入 10 10 36,051 10 10

输出 1,091 2,272 821 2,392 1,596

缓存创建

416

5m: 416 / 1h: 0

2,754

5m: 0 / 1h: 2,754

5m: 0 / 1h: 0

4,074

5m: 0 / 1h: 4,074

575

5m: 0 / 1h: 575

缓存读取 33,405 33,758 0 33,756 33,746

输出速度 127.1 tok/s 181.8 tok/s 199.5 tok/s 170.9 tok/s 157.6 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":3150}
```

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

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

总计

总输入(含缓存) 167,092 170,469 171,639 171,738 168,237

总输出 1,570 5,009 1,894 6,435 2,128

总缓存创建

33,821

5m: 33,821 / 1h: 0

36,512

5m: 0 / 1h: 36,512

5m: 0 / 1h: 0

37,830

5m: 0 / 1h: 37,830

34,321

5m: 0 / 1h: 34,321

总缓存读取 133,221 133,907 0 133,858 133,866

输出速度 123.6 tok/s 182.0 tok/s 125.3 tok/s 161.8 tok/s 146.5 tok/s

总执行时间 28.9s 47.0s 39.3s 1m 5.3s 28.8s

总墙钟时间

10m 12.8s

含步骤间等待

8m 51.7s

含步骤间等待

9m 46.6s

含步骤间等待

11m 14.9s

含步骤间等待

12m 28.9s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.0476

Anthropic: Claude Haiku 4.5

$0.0841

Anthropic: Claude Haiku 4.5

$0.1811

Anthropic: Claude Haiku 4.5

$0.0929

Anthropic: Claude Haiku 4.5

$0.0670

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%) direct (100%) direct (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 cloudflare - -

ID 格式 msg_015BjwgEyJJkAzyFwPBfzrsn msg_01LT2JboN1ATfcNybUqjQWbm msg_01i9idzT4WS1McMGOIvDyUU9 msg_0176s4mrkiQifhhixUeDx89D msg_01EcxPRuGQw6XnUHSWi9pYHE

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: a0ae152858287963-NRT server: cloudflare set-cookie: _cfuvid=LwZ_CZZ7_PQHuyYicQooTKEw1TdisGe13InubA5yza4-1781322119.0674622-1.0.1.1-ryy9g4ursDXRRT_mqPLFl8WkzHd_kcPWX9dQJc0ORZE; 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: true usage_has_cache_fields: true	hdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	req_011CbzZqDBztrMEsDzQZWP3u a0ae152858287963-NRT
M-	cf-ray: a0ae13038b2f7963-NRT server: cloudflare set-cookie: server_name_session=34dafb6a1ed616f236acca93e01021ee; Max-Age=86400; httponly; path=/ x-oneapi-request-id: 20260613034031992331725PCAUBYVI	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-idhdr:server:cloudflarehdr:cf-raybody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a0ae13038b2f7963-NRT
R-ultra	cf-ray: a0ae148bbff5af8b-NRT server: cloudflare x-new-api-version: v0.0.0 x-oneapi-request-id: 202606130341339492104828268d9d6B8gbV7BN	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	a0ae148bbff5af8b-NRT
R-Kiro	server: nginx	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	—
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_011Cbza1Z4cipyaZzRQqRAJB

协议指纹评分（机器自动）

总分 / 100 91 98 66 97 100

基线状态已对照基线已对照基线已对照基线已对照基线已对照基线

缓存命中比 10.0 /10 ×20 10.0 /10 ×20 0.0 /10 ×20 10.0 /10 ×20 10.0 /10 ×20

缓存 TTL 一致 0.0 /10 ×15 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 10.0 /10 ×14

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

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

系统提示纯净 10.0 /10 ×8 10.0 /10 ×8 10.0 /10 ×8 10.0 /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 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 9.6 /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 10.0 /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 91 v3.10.0 98 v3.10.0 66 v3.10.0 97 v3.10.0 基准（参考）

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 4900 ms 8443 ms 6899 ms 11438 ms 4725 ms

输出速度 123.6 tok/s 182.0 tok/s 125.3 tok/s 161.8 tok/s 146.5 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 ⓘ

$0.0476

$0.0841

$0.1811

$0.0929

$0.0670

缓存读取占比 ⓘ 80% 79% 0% 78% 80%

揭晓

通道

服务商 FoxCode ↗

通道cc

服务商 LingxiCode ↗

通道M-

服务商 FoxCode ↗

通道R-ultra

服务商 InfAI ↗

通道R-Kiro

官方基准

返回列表