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

2026/06/05 运行日期

claude-haiku-4-5-20251001 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

官方基准

SudoCode

M-Max

SSSAiCode

R-Kiro

SAIAi

O-Max

luminai

M-Kiro/Antigravity

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 13:57:36 ~ 13:57:41 (2.6s) 13:57:30 ~ 13:57:35 (3.8s) 13:57:28 ~ 13:57:33 (4.5s) 13:57:34 ~ 13:57:39 (3.4s) 13:57:32 ~ 13:57:42 (8.3s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 1,255 ms 2,355 ms 2,731 ms 1,973 ms 6,774 ms

首文本(SSE delta) 1,257 ms 2,356 ms 2,756 ms 1,976 ms 6,775 ms

总耗时 1,568 ms 2,711 ms 3,111 ms 2,335 ms 6,901 ms

输入 10 10 0 10 2,309

输出 41 46 39 47 1

缓存创建

5m: 0 / 1h: 0

33,123

5m: 0 / 1h: 33,123

33,122

5m: 0 / 1h: 33,122

2,654

5m: 2,654 / 1h: 0

缓存读取 33,122 0 0 0 23,892

输出速度 131.8 tok/s 129.6 tok/s 109.9 tok/s 130.9 tok/s -

响应

pong

pong

pong

pong

pong

步骤 2: identity text

时间 13:59:24 ~ 13:59:29 (4.7s) 14:00:45 ~ 14:00:55 (5.5s) 14:01:15 ~ 14:01:20 (4.8s) 14:01:39 ~ 14:01:44 (4.7s) 14:00:07 ~ 14:00:17 (6.3s)

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) 2,137 ms 1,890 ms 2,334 ms 1,650 ms 4,672 ms

首文本(SSE delta) 2,138 ms 1,891 ms 2,339 ms 1,652 ms 4,673 ms

总耗时 3,780 ms 4,445 ms 4,047 ms 3,763 ms 5,037 ms

输入 10 10 0 10 2,324

输出 186 264 244 266 28

缓存创建

234

5m: 0 / 1h: 234

239

5m: 0 / 1h: 239

240

5m: 0 / 1h: 240

2,671

5m: 2,671 / 1h: 0

缓存读取 33,122 33,123 0 33,122 24,044

输出速度 113.3 tok/s 103.4 tok/s 142.9 tok/s 126.0 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-haiku-4-5-20251001

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

步骤 3: cutoff text

时间 14:02:23 ~ 14:02:28 (4.0s) 14:03:22 ~ 14:03:27 (3.0s) 14:04:01 ~ 14:04:07 (3.9s) 14:05:27 ~ 14:05:32 (2.9s) 14:01:52 ~ 14:02:02 (7.2s)

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) 2,455 ms 1,529 ms 2,260 ms 1,352 ms 6,140 ms

首文本(SSE delta) 2,457 ms 1,531 ms 2,280 ms 1,353 ms 6,141 ms

总耗时 2,930 ms 2,085 ms 2,900 ms 1,973 ms 6,142 ms

输入 10 10 0 10 2,327

输出 66 72 74 100 4

缓存创建

229

5m: 0 / 1h: 229

293

5m: 0 / 1h: 293

309

5m: 0 / 1h: 309

2,675

5m: 2,675 / 1h: 0

缓存读取 33,356 33,362 0 33,362 24,081

输出速度 139.5 tok/s 130.0 tok/s 119.4 tok/s 161.3 tok/s -

响应

2025-02

2025-02

2025-02

2025-02

2025-02

步骤 4: identity_free text

时间 14:05:19 ~ 14:05:34 (11.0s) 14:04:50 ~ 14:05:05 (13.1s) 14:07:29 ~ 14:07:34 (4.7s) 14:06:50 ~ 14:06:55 (4.3s) 14:04:12 ~ 14:04:22 (6.9s)

提示词

查看本步 Prompt

用中文说说你的身份：什么产品？由谁打造？50 字以内。

HTTP 头(TTFB) 1,557 ms 5,850 ms 2,483 ms 1,444 ms 4,969 ms

首文本(SSE delta) 1,559 ms 5,874 ms 2,484 ms 1,445 ms 4,970 ms

总耗时 10,022 ms 12,174 ms 3,879 ms 3,118 ms 5,581 ms

输入 10 10 0 10 2,330

输出 1,252 966 128 256 79

缓存创建

104

5m: 0 / 1h: 104

114

5m: 0 / 1h: 114

140

5m: 0 / 1h: 140

2,679

5m: 2,679 / 1h: 0

缓存读取 33,585 33,655 0 33,671 24,115

输出速度 147.9 tok/s 153.3 tok/s 91.8 tok/s 153.0 tok/s 129.3 tok/s

响应

我是Claude Haiku 4.5，由Anthropic公司开发的AI助手。这是Claude系列中最轻量级的模型，专为快速高效的任务处理设计。

我是Claude Haiku 4.5，由Anthropic公司开发的AI助手。专门帮助软件工程师编码、调试、测试和审查代码。

我是Claude Haiku 4.5，由Anthropic公司开发的AI助手。属于Claude产品系列，是一个轻量级的大语言模型，用于处理各类文本生成和分析任务。

我叫Claude Haiku 4.5，是Anthropic公司开发的Claude AI助手产品家族中的一款轻量级模型。

我是Claude Haiku 4.5，由Anthropic公司打造的AI助手。我是Claude系列中最轻量快速的模型，擅长处理各类编程和文本任务，知识库截至2025年2月。

步骤 5: knowledge_tier text

时间 14:06:41 ~ 14:06:56 (11.9s) 14:08:28 ~ 14:08:48 (17.0s) 14:09:38 ~ 14:09:48 (6.1s) 14:08:42 ~ 14:08:57 (11.1s) 14:07:24 ~ 14:07:34 (5.9s)

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) 2,133 ms 1,993 ms 2,369 ms 2,815 ms 4,417 ms

首文本(SSE delta) 2,218 ms 1,995 ms 2,371 ms 2,824 ms 4,419 ms

总耗时 10,916 ms 15,808 ms 5,427 ms 10,099 ms 4,419 ms

输入 10 10 0 10 2,364

输出 1,481 2,245 546 966 24

缓存创建

1,632

5m: 0 / 1h: 1,632

1,346

5m: 0 / 1h: 1,346

636

5m: 0 / 1h: 636

2,718

5m: 2,718 / 1h: 0

缓存读取 33,689 33,769 0 33,811 24,463

输出速度 170.3 tok/s 162.5 tok/s 178.7 tok/s 132.8 tok/s -

响应

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

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

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

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

```json
{"a":["Trump","OUT","OUT","OUT","OUT"],"calc":0}
```

总计

总输入(含缓存) 169,123 169,074 0 168,463 145,646

总输出 3,026 3,593 1,031 1,635 136

总缓存创建

2,199

5m: 0 / 1h: 2,199

35,115

5m: 0 / 1h: 35,115

34,447

5m: 0 / 1h: 34,447

13,397

5m: 13,397 / 1h: 0

总缓存读取 166,874 133,909 0 133,966 120,595

输出速度 154.5 tok/s 152.4 tok/s 144.5 tok/s 135.8 tok/s 129.3 tok/s

总执行时间 34.2s 42.5s 24.0s 26.4s 34.5s

总墙钟时间

9m 19.8s

含步骤间等待

11m 17.8s

含步骤间等待

12m 19.8s

含步骤间等待

11m 22.9s

含步骤间等待

10m 1.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.0346

Anthropic: Claude Haiku 4.5

$0.0753

Anthropic: Claude Haiku 4.5

>=$0.0052

Anthropic: Claude Haiku 4.5 (成本不完整)

$0.0647

Anthropic: Claude Haiku 4.5

$0.0349

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

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

CDN - - - - cloudflare

ID 格式 msg_01UCm72M4xypXGmXLLnNbyGJ msg_01RJvdtHizmscLJzjFb4x4LZ msg_2aa9ff1b043e459086252704aef4e82a msg_01D4fot6n51maSjTaveo7kY5 msg_01NVo9yFQZqG3pupGRPiW6vXRY

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_011CbjcPzqwar25qsLYPWos6
M-Max	server: nginx x-oneapi-request-id: 20260605140829942982047f2r9KPTt	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	—
R-Kiro	server: Photon-Edge x-amzn-requestid: 88390d6d-9ba1-491f-ba9c-eedda9e9433f	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:x-amzn-requestidupstream:anthropic-direct-from-body	1780639779764-f2cw5b90uasri 88390d6d-9ba1-491f-ba9c-eedda9e9433f
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: 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_011CbjcYvkdWBCaHWK544oBX
M-Kiro/Antigravity	cf-ray: a06cff3a2bac6568-AMS server: cloudflare x-oneapi-request-id: 202606050607266557787198268d9d6owuJQbqY	id_format: msg_prefix extra_fields: ["container"] has_service_tier: true has_inference_geo: false 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:model:date_suffixbody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a06cff3a2bac6568-AMS

协议指纹评分（机器自动）

总分 / 100 100 98 53 100 72

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 10.0 /10 ×15 10.0 /10 ×15 0.0 /10 ×15 10.0 /10 ×15 0.0 /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 0.0 /10 ×8 10.0 /10 ×8 10.0 /10 ×8

系统提示纯净 10.0 /10 ×8 10.0 /10 ×8 未计入 10.0 /10 ×8 0.0 /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 0.0 /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 0.0 /10 ×5

延迟基线 10.0 /10 ×5 10.0 /10 ×5 10.0 /10 ×5 10.0 /10 ×5 2.6 /10 ×5

Req-ID 透传 10.0 /10 ×4 0.0 /10 ×4 0.0 /10 ×4 10.0 /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） 98 v3.9.1 53 v3.9.1 100 v3.9.1 72 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 5843 ms 7445 ms 3873 ms 4258 ms 5616 ms

输出速度 154.5 tok/s 152.4 tok/s 144.5 tok/s 135.8 tok/s 129.3 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 ⓘ

$0.0346

$0.0753

>=$0.0052 (成本不完整)

$0.0647

$0.0349

缓存读取占比 ⓘ 99% 79% - 80% 83%

揭晓

通道

官方基准

服务商 SudoCode ↗

通道M-Max

服务商 SSSAiCode ↗

通道R-Kiro

服务商 SAIAi ↗

通道O-Max

服务商 luminai ↗

通道M-Kiro/Antigravity

返回列表