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

2026/06/13 运行日期

claude-opus-4-8 官方基准

2 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

AIMZ / M-Max
```
评测失败
```

步骤 / 指标

官方基准

SSSAiCode

R-Kiro

PackyCode

cc-Zeus

FoxCode

R-ultra

基本信息

服务名 Claude Code Claude Code Claude Code Claude Code

模型 claude-opus-4-8 claude-opus-4-8 claude-opus-4-8 claude-opus-4-8

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 06:00:49 ~ 06:00:54 (3.5s) 06:00:41 ~ 06:00:46 (3.6s) 06:00:45 ~ 06:00:50 (3.1s) 06:00:43 ~ 06:00:48 (4.0s)

提示词

查看本步 Prompt

ping. Reply with the single word: pong

HTTP 头(TTFB) 2,414 ms 2,705 ms 1,921 ms 2,552 ms

首文本(SSE delta) 2,415 ms 2,753 ms 1,923 ms 2,603 ms

总耗时 2,543 ms 2,852 ms 2,101 ms 2,778 ms

输入 1,454 0 1,454 81

输出 4 4 4 2

缓存创建

30,222

5m: 0 / 1h: 30,222

30,223

5m: 0 / 1h: 30,223

23,479

5m: 23,479 / 1h: 0

缓存读取 0 0 0 0

响应

pong

pong

pong

pong

步骤 2: identity text

时间 06:01:56 ~ 06:02:01 (3.1s) 06:04:07 ~ 06:04:12 (4.2s) 06:03:08 ~ 06:03:13 (3.5s) 06:03:45 ~ 06:03:50 (3.7s)

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) 1,802 ms 3,347 ms 1,999 ms 1,890 ms

首文本(SSE delta) 1,803 ms 3,378 ms 2,000 ms 1,891 ms

总耗时 2,074 ms 3,495 ms 2,487 ms 2,938 ms

输入 2 0 2 34

输出 28 28 28 63

缓存创建

1,643

5m: 0 / 1h: 1,643

1,643

5m: 0 / 1h: 1,643

23,724

5m: 23,724 / 1h: 0

缓存读取 30,222 0 30,223 0

输出速度 - - - 60.2 tok/s

响应

vendor: anthropic
brand: claude
model: claude-opus-4-8

vendor: anthropic
brand: claude
model: claude-opus-4-8

vendor: anthropic
brand: claude
model: claude-opus-4-8

vendor: anthropic
brand: claude
model: claude-opus-4-8

步骤 3: cutoff text

时间 06:05:39 ~ 06:05:44 (4.3s) 06:08:09 ~ 06:08:14 (3.9s) 06:06:33 ~ 06:06:43 (6.5s) 06:06:19 ~ 06:06:24 (4.0s)

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) 3,133 ms 2,734 ms 5,228 ms 1,972 ms

首文本(SSE delta) 3,136 ms 2,882 ms 5,229 ms 1,973 ms

总耗时 3,354 ms 3,030 ms 5,437 ms 2,948 ms

输入 2 0 2 82

输出 6 8 6 45

缓存创建

5m: 0 / 1h: 65

5m: 0 / 1h: 54

24,065

5m: 24,065 / 1h: 0

缓存读取 31,865 0 31,866 0

输出速度 - - - 46.2 tok/s

响应

2026-01

2026-01

2025-01

2026-01

步骤 4: identity_free text

时间 06:08:13 ~ 06:08:18 (3.9s) 06:12:11 ~ 06:12:16 (4.2s) 06:09:14 ~ 06:09:19 (4.2s) 06:08:32 ~ 06:08:37 (4.7s)

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) 2,214 ms 2,937 ms 2,577 ms 2,196 ms

首文本(SSE delta) 2,215 ms 3,358 ms 2,578 ms 2,197 ms

总耗时 2,960 ms 3,504 ms 3,149 ms 3,965 ms

输入 2 0 2 82

输出 49 46 49 68

缓存创建

5m: 0 / 1h: 39

5m: 0 / 1h: 37

402

5m: 402 / 1h: 0

缓存读取 31,930 0 31,920 24,065

输出速度 65.8 tok/s - 85.8 tok/s 38.5 tok/s

响应

我是 Claude，由 Anthropic 开发的人工智能助手，能帮助处理软件工程、写作、分析等多种任务。

我是 Claude，由 Anthropic 开发的 AI 助手，当前通过 Claude Agent SDK 作为编程智能体运行。

我是 Claude，属于 Claude 产品系列，由 Anthropic 开发。具体型号为 Claude Opus 4.8。

我叫 Kiro，基于 Anthropic 的 Claude 模型（claude-opus-4-8）构建，由 Anthropic 开发。

步骤 5: knowledge_tier text

时间 06:10:10 ~ 06:10:20 (8.0s) 06:15:07 ~ 06:15:17 (8.3s) 06:10:57 ~ 06:11:07 (7.0s) 06:10:41 ~ 06:10:56 (13.3s)

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) 2,771 ms 5,670 ms 2,229 ms 2,377 ms

首文本(SSE delta) 7,005 ms 7,409 ms 5,522 ms 2,453 ms

总耗时 7,052 ms 7,554 ms 6,002 ms 12,551 ms

输入 2 0 2 35

输出 502 60 478 829

缓存创建

538

5m: 0 / 1h: 538

538

5m: 0 / 1h: 538

813

5m: 813 / 1h: 0

缓存读取 31,969 0 31,957 24,467

输出速度 burst - - 82.1 tok/s

响应

{"a":["Trump","Leo XIV Prevost","María Corina Machado","Ousmane Dembélé","Zohran Mamdani"],"calc":2650}

{"a":["Trump","Leo XIV (Prevost)","María Corina Machado","Ousmane Dembélé","Zohran Mamdani"],"calc":3150}

{"a":["Trump","Leo XIV (Prevost)","María Corina Machado","Ousmane Dembélé","Zohran Mamdani"],"calc":3150}

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

总计

总输入(含缓存) 159,955 0 159,923 121,329

总输出 589 146 565 1,007

总缓存创建

32,507

5m: 0 / 1h: 32,507

32,495

5m: 0 / 1h: 32,495

72,483

5m: 72,483 / 1h: 0

总缓存读取 125,986 0 125,966 48,532

输出速度 65.8 tok/s - 85.8 tok/s 72.4 tok/s

总执行时间 22.9s 24.2s 24.1s 29.7s

总墙钟时间

9m 31.8s

含步骤间等待

14m 36.8s

含步骤间等待

10m 22.8s

含步骤间等待

10m 13.8s

含步骤间等待

按官方价目重估

同等内容若直发 Anthropic 的估算 ⓘ

$0.2882

Anthropic: Claude Opus 4.8

>=$0.0037

Anthropic: Claude Opus 4.8 (成本不完整)

$0.2875

Anthropic: Claude Opus 4.8

$0.3341

Anthropic: Claude Opus 4.8

通道指纹

来源步骤 knowledge_tier knowledge_tier knowledge_tier knowledge_tier

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

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

CDN - - cloudflare cloudflare

ID 格式 msg_01LBdbUdnWuedTCRGTZNLNNi msg_226c7bee0468415e993926bc7f27e6a9 msg_01QLYVcxsi3x8yJqfovAXbU1 msg_01g0eUv77Yd7kPOBWPmkxpI5

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: 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_011Cbz8XonCbRZaBqLe2fq2f
R-Kiro	server: Photon-Edge x-amzn-requestid: 3fb91fb0-edf9-40e4-bfe4-4ea75a9289be	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	1781302509341-xervhe2oc8ddg 3fb91fb0-edf9-40e4-bfe4-4ea75a9289be
cc-Zeus	via: 1.1 Caddy cf-ray: a0ac304e1b285730-LAX server: cloudflare x-oneapi-request-id: 20260613061059195496965CQKT74sU	id_format: msg_prefix via_chain: ["1.1 Caddy"] 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-rayhdr:viabody:id:msg_prefixbody:usage.service_tierbody:usage.inference_geobody:usage.cache_fieldsbody:extra_fieldsupstream:anthropic-direct-from-body	a0ac304e1b285730-LAX
R-ultra	cf-ray: a0ac2fe879fae388-NRT server: cloudflare x-new-api-version: v0.0.0 x-oneapi-request-id: 202606122210431448200398268d9d6xngahfF6	id_format: msg_prefix has_service_tier: true has_inference_geo: true model_has_date_suffix: false 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:usage.cache_fieldsupstream:anthropic-direct-from-body	a0ac2fe879fae388-NRT

协议指纹评分（机器自动）

总分 / 100 100 50 93 60

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 10.0 /10 ×20 0.0 /10 ×20 10.0 /10 ×20 0.3 /10 ×20

缓存 TTL 一致 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

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

sliding 5m 10.0 /10 ×13 5.0 /10 ×13 10.0 /10 ×13 5.3 /10 ×13

原生 msg-ID 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 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

知识截止 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 0.0 /10 ×7

service_tier 10.0 /10 ×6 0.0 /10 ×6 10.0 /10 ×6 10.0 /10 ×6

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

Req-ID 透传 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

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

与基线相似度基准（参考） 50 v3.10.0 93 v3.10.0 60 v3.10.0

雷达图例

共 19 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 缓存连续 cache_continuity_intra
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 世界知识层级 world_knowledge_tier_match
19 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 3597 ms 4087 ms 3835 ms 5036 ms

输出速度 65.8 tok/s - 85.8 tok/s 72.4 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 ⓘ

$0.2882

>=$0.0037 (成本不完整)

$0.2875

$0.3341

缓存读取占比 ⓘ 79% - 79% 40%

揭晓

通道

官方基准

服务商 SSSAiCode ↗

通道R-Kiro

服务商 PackyCode ↗

通道cc-Zeus

服务商 FoxCode ↗

通道R-ultra

返回列表